Fugu-MT 論文翻訳(概要): Motion and Region Aware Adversarial Learning for Fall Detection with Thermal Imaging

論文の概要: Motion and Region Aware Adversarial Learning for Fall Detection with Thermal Imaging

arxiv url: http://arxiv.org/abs/2004.08352v2
Date: Sat, 24 Oct 2020 22:06:49 GMT
ステータス: 処理完了
システム内更新日: 2022-12-12 12:49:02.731722
Title: Motion and Region Aware Adversarial Learning for Fall Detection with Thermal Imaging
Title（参考訳）: 熱画像による転倒検出のための運動・地域対応学習
Authors: Vineet Mehta, Abhinav Dhall, Sujata Pal, Shehroz S. Khan
Abstract要約: 転倒検知のためのホームベースのカメラシステムは、しばしば人々のプライバシーを危険にさらす。転倒はめったに起こらないため、クラス不均衡によるアルゴリズムの学習は簡単ではない。熱画像を用いた対向フレームワーク内での転倒検出を異常検出として定式化する。
参考スコア（独自算出の注目度）: 8.110295985047278
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Automatic fall detection is a vital technology for ensuring the health and safety of people. Home-based camera systems for fall detection often put people's privacy at risk. Thermal cameras can partially or fully obfuscate facial features, thus preserving the privacy of a person. Another challenge is the less occurrence of falls in comparison to the normal activities of daily living. As fall occurs rarely, it is non-trivial to learn algorithms due to class imbalance. To handle these problems, we formulate fall detection as an anomaly detection within an adversarial framework using thermal imaging. We present a novel adversarial network that comprises of two-channel 3D convolutional autoencoders which reconstructs the thermal data and the optical flow input sequences respectively. We introduce a technique to track the region of interest, a region-based difference constraint, and a joint discriminator to compute the reconstruction error. A larger reconstruction error indicates the occurrence of a fall. The experiments on a publicly available thermal fall dataset show the superior results obtained compared to the standard baseline.
Abstract（参考訳）: 自動転倒検出は、人々の健康と安全を確保するための重要な技術である。転倒検知のためのホームベースのカメラシステムは、しばしば人々のプライバシーを危険にさらす。サーマルカメラは顔の特徴を部分的にあるいは完全に難なくし、人のプライバシーを保護できる。もう一つの課題は、日常生活の通常の活動と比べて転倒の発生が少ないことである。転倒はめったに起こらないため、クラス不均衡によるアルゴリズムの学習は簡単ではない。これらの問題に対処するために、熱画像を用いた対向フレームワーク内の異常検出としてフォール検出を定式化する。本稿では、熱データと光フロー入力シーケンスをそれぞれ再構成する2チャネル3次元畳み込みオートエンコーダからなる新しい対向ネットワークを提案する。本稿では,関心領域の追跡手法,地域差分制約,再構成誤差を計算するための共同識別器を提案する。より大きな復元誤差は転倒の発生を示している。公開されている熱落下データセットを用いた実験では,標準基準よりも優れた結果が得られた。

関連論文リスト

Video Anomaly Detection via Spatio-Temporal Pseudo-Anomaly Generation : A Unified Approach [49.995833831087175]
本研究は,画像のマスキング領域にペンキを塗布することにより,汎用的な映像時間PAを生成する手法を提案する。さらに,OCC設定下での現実世界の異常を検出するための単純な統合フレームワークを提案する。提案手法は,OCC設定下での既存のPAs生成および再構築手法と同等に動作する。
論文参考訳（メタデータ） (2023-11-27T13:14:06Z)
Temporal Shift -- Multi-Objective Loss Function for Improved Anomaly Fall Detection [3.813649699234981]
逐次フレームのウィンドウ内における将来のフレームと再構成フレームの両方を予測することを目的とした,Temporal Shiftと呼ばれる多目的損失関数を提案する。異なるモデル間での大幅な改善により、このアプローチは広く採用され、フォール検出以外の他の設定での異常検出機能を改善する可能性がある。
論文参考訳（メタデータ） (2023-11-06T04:29:12Z)
Spatial-Frequency Discriminability for Revealing Adversarial Perturbations [53.279716307171604]
敵の摂動に対するディープニューラルネットワークの脆弱性は、コンピュータビジョンコミュニティで広く認識されている。現在のアルゴリズムは、通常、自然および敵対的なデータの識別的分解を通じて、敵のパターンを検出する。空間周波数Krawtchouk分解に基づく識別検出器を提案する。
論文参考訳（メタデータ） (2023-05-18T10:18:59Z)
Deep Learning-Based Anomaly Detection in Synthetic Aperture Radar Imaging [11.12267144061017]
本手法は,異常を周囲から逸脱する異常パターンとみなすが,その特徴を事前に把握していない。提案手法は自己教師付きアルゴリズムを用いてこれらの問題に対処することを目的としている。従来のReed-Xiaoliアルゴリズムと比較して,提案手法の利点を示す実験を行った。
論文参考訳（メタデータ） (2022-10-28T10:22:29Z)
Self-Supervised Masked Convolutional Transformer Block for Anomaly Detection [122.4894940892536]
本稿では, 自己監督型マスク型畳み込み変圧器ブロック (SSMCTB) について述べる。本研究では,従来の自己教師型予測畳み込み抑止ブロック(SSPCAB)を3次元マスク付き畳み込み層,チャンネルワイドアテンション用トランスフォーマー,およびハマーロスに基づく新たな自己教師型目標を用いて拡張する。
論文参考訳（メタデータ） (2022-09-25T04:56:10Z)
Multi Visual Modality Fall Detection Dataset [4.00152916049695]
転倒は、世界中の高齢者の怪我による死亡の主な原因の1つだ。効果的なフォールの検出は、合併症や怪我のリスクを減らすことができる。しかし、通常のRGBカメラは照明条件やプライバシーの懸念によって影響を受ける。
論文参考訳（メタデータ） (2022-06-25T21:54:26Z)
Self-Supervised Predictive Convolutional Attentive Block for Anomaly Detection [97.93062818228015]
本稿では,再建に基づく機能を,新たな自己監督型予測アーキテクチャビルディングブロックに統合することを提案する。我々のブロックは、受容領域におけるマスク領域に対する再構成誤差を最小限に抑える損失を備える。画像やビデオの異常検出のための最先端フレームワークに組み込むことで,ブロックの汎用性を実証する。
論文参考訳（メタデータ） (2021-11-17T13:30:31Z)
Robust Data Hiding Using Inverse Gradient Attention [82.73143630466629]
データ隠蔽タスクでは、異なる耐久性を有するため、カバー画像の各ピクセルを別々に扱う必要がある。 Inverse Gradient Attention (IGA) を用いた新しい深層データ隠蔽方式を提案する。実証的な実験により、提案モデルが2つの先行するデータセット上で最先端の手法より優れていることが示された。
論文参考訳（メタデータ） (2020-11-21T19:08:23Z)
Robust Unsupervised Video Anomaly Detection by Multi-Path Frame Prediction [61.17654438176999]
本稿では,フレーム予測と適切な設計による新規で頑健な非教師付きビデオ異常検出手法を提案する。提案手法は,CUHK Avenueデータセット上で88.3%のフレームレベルAUROCスコアを得る。
論文参考訳（メタデータ） (2020-11-05T11:34:12Z)
SSHFD: Single Shot Human Fall Detection with Occluded Joints Resilience [10.719603033631952]
Single Shot Human Fall Detectorは、単一の画像から自動転倒検出を行うディープラーニングベースのフレームワークである。まず、外見の特徴に不変な人間のポーズに基づく転倒表現を示す。次に、3次元ポーズ推定と転倒認識のためのニューラルネットワークモデルを提案する。
論文参考訳（メタデータ） (2020-04-02T03:41:39Z)
mmFall: Fall Detection using 4D MmWave Radar and a Hybrid Variational RNN AutoEncoder [0.4588028371034407]
mmFallは、人体の点雲と体中心波を収集する、新興ミリ波(mmWave)レーダーセンサーである。異常レベルのスパイクとセントロイド高さの低下が同時に起こると、転倒が起こったと主張されている。レーダデータのランダム性を克服するために、提案されたVRAEは、従来の決定論的アプローチではなく、確率論的アプローチである変分推論を使用する。
論文参考訳（メタデータ） (2020-03-05T00:37:21Z)

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。