論文の概要: Hazard Detection in Supermarkets using Deep Learning on the Edge

• arxiv url: http://arxiv.org/abs/2003.04116v1
• Date: Sat, 29 Feb 2020 18:43:55 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-27 19:58:38.879227
• Title: Hazard Detection in Supermarkets using Deep Learning on the Edge
• Title（参考訳）: エッジ上でのディープラーニングによるスーパーマーケットのハザード検出
• Authors: M. G. Sarwar Murshed, Edward Verenich, James J. Carroll, Nazar Khan, Faraz Hussain
• Abstract要約: スーパーマーケットの床の危険条件をタイムリーに検知することで、重傷を負う可能性を減らすことができる。 本稿では,資源制約のあるデバイスへの展開と推論を容易にする,新しい軽量ディープラーニングモデルEdgeLiteを提案する。
• 参考スコア（独自算出の注目度）: 0.7079737824450953
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Supermarkets need to ensure clean and safe environments for both shoppers and employees. Slips, trips, and falls can result in injuries that have a physical as well as financial cost. Timely detection of hazardous conditions such as spilled liquids or fallen items on supermarket floors can reduce the chances of serious injuries. This paper presents EdgeLite, a novel, lightweight deep learning model for easy deployment and inference on resource-constrained devices. We describe the use of EdgeLite on two edge devices for detecting supermarket floor hazards. On a hazard detection dataset that we developed, EdgeLite, when deployed on edge devices, outperformed six state-of-the-art object detection models in terms of accuracy while having comparable memory usage and inference time.
• Abstract（参考訳）: スーパーマーケットは買い物客と従業員の両方にとってクリーンで安全な環境を確保する必要がある。 スリップ、トリップ、転倒は、身体的および金銭的コストを伴う怪我を引き起こす可能性がある。 スーパーマーケットの床に流出した液体や落下物などの有害な状況のタイムリーな検出は、重傷を負う可能性を減らすことができる。 本稿では,資源制約のあるデバイスへの展開と推論を容易にする,新しい軽量ディープラーニングモデルEdgeLiteを提案する。 スーパーマーケットのフロアハザードを検出する2つのエッジデバイスにおけるEdgeLiteの使用について述べる。 私たちが開発したハザード検出データセットでは、エッジデバイスにデプロイされたEdgeLiteは、メモリ使用量と推論時間に匹敵する精度で、6つの最先端オブジェクト検出モデルを上回った。

関連論文リスト

• Addressing Out-of-Label Hazard Detection in Dashcam Videos: Insights from the COOOL Challenge [0.0]
  本稿では,ダッシュカム映像におけるハザード解析の新しい手法を提案する。 危険物に対する運転者反応の検出、危険物の検出、説明的なキャプションの生成に対処する。 本手法は,自動運転におけるアウト・オブ・ラベルの課題において,最も高いスコアを得た。
  論文  参考訳（メタデータ） (2025-01-27T13:32:01Z)
• Sidewalk Hazard Detection Using Variational Autoencoder and One-Class SVM [1.7495213911983414]
  本稿では,ハイブリッドアプローチを用いた歩道安全ナビゲーションシステムを提案する。 このシステムは歩道の異常を検知し、歩行障害を引き起こす可能性がある。 提案されたVAEモデルは高い性能を示し、AUC(Area Under the Curve)は0.94である。
  論文  参考訳（メタデータ） (2024-12-31T18:18:05Z)
• Efficient Detection Framework Adaptation for Edge Computing: A Plug-and-play Neural Network Toolbox Enabling Edge Deployment [59.61554561979589]
  エッジコンピューティングは、時間に敏感なシナリオでディープラーニングベースのオブジェクト検出をデプロイするための重要なパラダイムとして登場した。 既存のエッジ検出手法では、軽量モデルによる検出精度のバランスの難しさ、適応性の制限、現実の検証の不十分といった課題に直面している。 本稿では,汎用的なプラグイン・アンド・プレイコンポーネントを用いてエッジ環境にオブジェクト検出モデルを適用するエッジ検出ツールボックス(ED-TOOLBOX)を提案する。
  論文  参考訳（メタデータ） (2024-12-24T07:28:10Z)
• Dual-Level Boost Network for Long-Tail Prohibited Items Detection in X-ray Security Inspection [81.11400642272976]
  X線検査における禁止項目の長期分布は,検出モデルにとって大きな課題となる。 我々は,X線セキュリティスクリーニングにおけるこれらの課題を克服するために,DBNet(Dual-level Boost Network)を提案する。 提案手法では,(1) X線画像の特徴にインスパイアされた,ポアソンブレンディングを用いた特定のデータ拡張戦略を導入し,データ不均衡を効果的に軽減できるレアアイテムのリアルな合成例を生成する。
  論文  参考訳（メタデータ） (2024-11-27T06:13:56Z)
• "Don't forget to put the milk back!" Dataset for Enabling Embodied Agents to Detect Anomalous Situations [49.66220439673356]
  私たちは、SafetyDetectと呼ばれる新しいデータセットを作成しました。 SafetyDetectデータセットは1000の異常なホームシーンで構成されている。 提案手法は,シーンのグラフ表現とシーン内のオブジェクト間の関係の両方とともに,大規模言語モデル(LLM)を利用する。
  論文  参考訳（メタデータ） (2024-04-12T21:56:21Z)
• X-Adv: Physical Adversarial Object Attacks against X-ray Prohibited Item Detection [113.10386151761682]
  テクスチャフリーなX線画像を対象とした敵攻撃は未発見である。 本稿では,X線禁止項目検出を目的とした敵攻撃の研究に向けて第一歩を踏み出す。 我々は,X線検出器を消毒できる対向剤として機能する物理的に印刷可能な金属を生成するために,X-Advを提案する。
  論文  参考訳（メタデータ） (2023-02-19T06:31:17Z)
• End-to-End Instance Edge Detection [29.650295133113183]
  エッジ検出は長い間、コンピュータビジョンの分野で重要な問題であった。 従来の研究は、カテゴリ非依存またはカテゴリ対応エッジ検出を探索してきた。 本稿では,オブジェクトインスタンスのコンテキストにおけるエッジ検出について検討する。
  論文  参考訳（メタデータ） (2022-04-06T15:32:21Z)
• Towards Real-World Prohibited Item Detection: A Large-Scale X-ray Benchmark [53.9819155669618]
  本稿では,PIDrayと命名された大規模データセットについて述べる。 大量の努力を払って、私たちのデータセットには、高品質な注釈付きセグメンテーションマスクとバウンディングボックスを備えた47,677ドルのX線画像に、禁止アイテムの12ドルカテゴリが含まれています。 提案手法は最先端の手法に対して,特に故意に隠された項目を検出するために好適に機能する。
  論文  参考訳（メタデータ） (2021-08-16T11:14:16Z)
• Inspect, Understand, Overcome: A Survey of Practical Methods for AI Safety [54.478842696269304]
  安全クリティカルなアプリケーションにディープニューラルネットワーク(DNN)を使用することは、多数のモデル固有の欠点のために困難です。 近年,これらの安全対策を目的とした最先端技術動物園が出現している。 本稿は、機械学習の専門家と安全エンジニアの両方に対処する。
  論文  参考訳（メタデータ） (2021-04-29T09:54:54Z)
• Detecting Electric Devices in 3D Images of Bags [0.0]
  交通安全産業は、可能な限り大量の荷物を脅威やコントラバンドにスクリーニングするという課題に直面している。 従来の2次元X線画像は、密に充填され、様々な乱れや隠蔽された物体を含んでいるため、検査が非常に困難であることが多い。 これらの制限のため、主要空港は3次元X線CT(Computerd Tomography)バッグスキャンを導入している。 荷物の3次元画像から電気機器を自動検出する方法について検討する。
  論文  参考訳（メタデータ） (2020-04-25T11:30:42Z)
• TOG: Targeted Adversarial Objectness Gradient Attacks on Real-time Object Detection Systems [14.976840260248913]
  本稿では,3つの対象対向対象度勾配攻撃により,オブジェクトの消滅,オブジェクトのファブリケーション,オブジェクトのミスラベリングが生じることを示す。 また,ブラックボックス攻撃に対して,対向移動性を利用する汎用的オブジェクト指向勾配攻撃を提案する。 その結果、深刻な敵の脆弱性が示され、堅牢な物体検出システムを開発するための説得力のある必要性が示された。
  論文  参考訳（メタデータ） (2020-04-09T01:36:23Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。