論文の概要: LRCN-RetailNet: A recurrent neural network architecture for accurate
people counting
- arxiv url: http://arxiv.org/abs/2004.09672v2
- Date: Tue, 12 May 2020 16:21:12 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-11 19:06:56.641798
- Title: LRCN-RetailNet: A recurrent neural network architecture for accurate
people counting
- Title(参考訳): LRCN-RetailNet: 正確な数え方のための繰り返しニューラルネットワークアーキテクチャ
- Authors: Lucas Massa, Adriano Barbosa, Krerley Oliveira, Thales Vieira
- Abstract要約: 非線形回帰モデルを学習可能なリカレントニューラルネットワークアーキテクチャであるLRCN-RetailNetを紹介する。
教師付き学習手法により、訓練されたモデルは、高い精度で人を数えることを予測できることが示される。
- 参考スコア(独自算出の注目度): 4.731404257629232
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Measuring and analyzing the flow of customers in retail stores is essential
for a retailer to better comprehend customers' behavior and support
decision-making. Nevertheless, not much attention has been given to the
development of novel technologies for automatic people counting. We introduce
LRCN-RetailNet: a recurrent neural network architecture capable of learning a
non-linear regression model and accurately predicting the people count from
videos captured by low-cost surveillance cameras. The input video format
follows the recently proposed RGBP image format, which is comprised of color
and people (foreground) information. Our architecture is capable of considering
two relevant aspects: spatial features extracted through convolutional layers
from the RGBP images; and the temporal coherence of the problem, which is
exploited by recurrent layers. We show that, through a supervised learning
approach, the trained models are capable of predicting the people count with
high accuracy. Additionally, we present and demonstrate that a straightforward
modification of the methodology is effective to exclude salespeople from the
people count. Comprehensive experiments were conducted to validate, evaluate
and compare the proposed architecture. Results corroborated that LRCN-RetailNet
remarkably outperforms both the previous RetailNet architecture, which was
limited to evaluating a single image per iteration; and a state-of-the-art
neural network for object detection. Finally, computational performance
experiments confirmed that the entire methodology is effective to estimate
people count in real-time.
- Abstract(参考訳): 小売店における顧客フローの測定と分析は、顧客行動の理解を深め、意思決定を支援するために不可欠である。
それにもかかわらず、自動カウントのための新しい技術の開発にはあまり注目されていない。
lrcn-retailnet: 非線形回帰モデルを学習し、低コストの監視カメラで撮影したビデオから人の数を正確に予測できる、リカレントニューラルネットワークアーキテクチャである。
入力ビデオフォーマットは、最近提案されたrgbp画像フォーマットに従っており、色と人(フォアグラウンド)情報で構成されている。
本アーキテクチャでは,RGBP画像からの畳み込み層から抽出した空間的特徴と,繰り返し層によって活用される問題の時間的コヒーレンスという2つの側面を考慮できる。
教師付き学習手法により、訓練されたモデルは、高い精度で人を数えることを予測できることが示される。
さらに,営業担当者を人数から除外するために,方法論の素直な変更が有効であることを示す。
提案アーキテクチャを検証,評価,比較するための総合的な実験を行った。
その結果、LRCN-RetailNetは、イテレーション毎に1つの画像の評価に制限されていた以前のRetailNetアーキテクチャと、オブジェクト検出のための最先端のニューラルネットワークの両方を著しく上回りました。
最後に、計算性能実験により、全手法がリアルタイムに人の数を推定するのに有効であることが確認された。
関連論文リスト
- Task-Oriented Real-time Visual Inference for IoVT Systems: A Co-design Framework of Neural Networks and Edge Deployment [61.20689382879937]
タスク指向エッジコンピューティングは、データ分析をエッジにシフトすることで、この問題に対処する。
既存の手法は、高いモデル性能と低いリソース消費のバランスをとるのに苦労している。
ニューラルネットワークアーキテクチャを最適化する新しい協調設計フレームワークを提案する。
論文 参考訳(メタデータ) (2024-10-29T19:02:54Z) - Time Elastic Neural Networks [2.1756081703276]
時間弾性ニューラルネットワーク(teNN)という,非定型ニューラルネットワークアーキテクチャの導入と詳細化について述べる。
古典的ニューラルネットワークアーキテクチャと比較して新しいのは、時間ゆがみ能力を明確に組み込んでいることだ。
トレーニング過程において,TENNは各細胞に必要となるニューロン数を減少させることに成功した。
論文 参考訳(メタデータ) (2024-05-27T09:01:30Z) - CAManim: Animating end-to-end network activation maps [0.2509487459755192]
本稿では,CNN予測に対するエンドユーザの理解の拡大と集中を目的とした,CAManimという新しいXAI可視化手法を提案する。
また,Remove and Debias(ROAD)尺度に基づいて,新たな定量的評価法を提案する。
これは、解釈可能で堅牢で透明なモデルアセスメント方法論に対する需要の増加に対応するために、先行研究に基づいている。
論文 参考訳(メタデータ) (2023-12-19T01:07:36Z) - Visual Prompting Upgrades Neural Network Sparsification: A Data-Model Perspective [64.04617968947697]
より優れた重量空間を実現するために、新しいデータモデル共設計視点を導入する。
具体的には、提案したVPNフレームワークでニューラルネットワークのスパーシフィケーションをアップグレードするために、カスタマイズされたVisual Promptが実装されている。
論文 参考訳(メタデータ) (2023-12-03T13:50:24Z) - Learning to Learn with Generative Models of Neural Network Checkpoints [71.06722933442956]
ニューラルネットワークのチェックポイントのデータセットを構築し,パラメータの生成モデルをトレーニングする。
提案手法は,幅広い損失プロンプトに対するパラメータの生成に成功している。
我々は、教師付きおよび強化学習における異なるニューラルネットワークアーキテクチャとタスクに本手法を適用した。
論文 参考訳(メタデータ) (2022-09-26T17:59:58Z) - ResPerfNet: Deep Residual Learning for Regressional Performance Modeling
of Deep Neural Networks [0.16311150636417257]
本稿では,ディープラーニングに基づくResPerfNetを提案する。この手法は,ニューラルネットワークの性能を予測するために,対象プラットフォーム上で得られた代表データセットを用いて残差ニューラルネットワークをトレーニングする。
実験の結果,ResPerfNetは個々のニューラルネットワーク層と,さまざまなプラットフォーム上でのフルネットワークモデルの実行時間を正確に予測できることがわかった。
論文 参考訳(メタデータ) (2020-12-03T03:02:42Z) - Neural Representations in Hybrid Recommender Systems: Prediction versus
Regularization [8.384351067134999]
我々は、予測のための神経表現(NRP)フレームワークを定義し、オートエンコーダベースのレコメンデーションシステムに適用する。
また、NRPフレームワークを、ユーザやアイテム情報を再構成することなく評価を予測できる直接ニューラルネットワーク構造に適用する。
その結果、ニューラル表現は正規化よりも予測に優れており、NRPフレームワークと直接ニューラルネットワーク構造が組み合わさって、予測タスクにおける最先端の手法よりも優れていることが示された。
論文 参考訳(メタデータ) (2020-10-12T23:12:49Z) - A Semi-Supervised Assessor of Neural Architectures [157.76189339451565]
我々は、ニューラルネットワークの有意義な表現を見つけるためにオートエンコーダを用いる。
アーキテクチャの性能を予測するために、グラフ畳み込みニューラルネットワークを導入する。
論文 参考訳(メタデータ) (2020-05-14T09:02:33Z) - ResNeSt: Split-Attention Networks [86.25490825631763]
このアーキテクチャは、異なるネットワークブランチにチャンネルワイズを応用し、機能間相互作用のキャプチャと多様な表現の学習の成功を活用する。
我々のモデルはResNeStと呼ばれ、画像分類の精度と遅延トレードオフにおいてEfficientNetより優れています。
論文 参考訳(メタデータ) (2020-04-19T20:40:31Z) - Network Adjustment: Channel Search Guided by FLOPs Utilization Ratio [101.84651388520584]
本稿では,ネットワークの精度をFLOPの関数として考慮した,ネットワーク調整という新しいフレームワークを提案する。
標準画像分類データセットと幅広いベースネットワークの実験は、我々のアプローチの有効性を実証している。
論文 参考訳(メタデータ) (2020-04-06T15:51:00Z)
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。