論文の概要: Monitoring COVID-19 social distancing with person detection and tracking
via fine-tuned YOLO v3 and Deepsort techniques
- arxiv url: http://arxiv.org/abs/2005.01385v4
- Date: Tue, 27 Apr 2021 05:08:05 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-07 01:04:22.457413
- Title: Monitoring COVID-19 social distancing with person detection and tracking
via fine-tuned YOLO v3 and Deepsort techniques
- Title（参考訳）: 微調整型YOLO v3およびDeepsort技術による人検出・追跡によるCOVID-19ソーシャルディスタンシングのモニタリング
- Authors: Narinder Singh Punn, Sanjay Kumar Sonbhadra, Sonali Agarwal, Gaurav
Rai
- Abstract要約: 新型コロナウイルス感染症(COVID-19)は世界的な危機を引き起こしており、死者は180カ国以上で拡大している。
ソーシャルディスタンシングは、このパンデミックと戦うための唯一の実現可能なアプローチだ。
本稿では,監視ビデオを用いたソーシャルディスタンシングの監視作業を自動化するためのディープラーニングベースのフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 3.6016022712620095
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The rampant coronavirus disease 2019 (COVID-19) has brought global crisis
with its deadly spread to more than 180 countries, and about 3,519,901
confirmed cases along with 247,630 deaths globally as on May 4, 2020. The
absence of any active therapeutic agents and the lack of immunity against
COVID-19 increases the vulnerability of the population. Since there are no
vaccines available, social distancing is the only feasible approach to fight
against this pandemic. Motivated by this notion, this article proposes a deep
learning based framework for automating the task of monitoring social
distancing using surveillance video. The proposed framework utilizes the YOLO
v3 object detection model to segregate humans from the background and Deepsort
approach to track the identified people with the help of bounding boxes and
assigned IDs. The results of the YOLO v3 model are further compared with other
popular state-of-the-art models, e.g. faster region-based CNN (convolution
neural network) and single shot detector (SSD) in terms of mean average
precision (mAP), frames per second (FPS) and loss values defined by object
classification and localization. Later, the pairwise vectorized L2 norm is
computed based on the three-dimensional feature space obtained by using the
centroid coordinates and dimensions of the bounding box. The violation index
term is proposed to quantize the non adoption of social distancing protocol.
From the experimental analysis, it is observed that the YOLO v3 with Deepsort
tracking scheme displayed best results with balanced mAP and FPS score to
monitor the social distancing in real-time.
- Abstract（参考訳）: 新型コロナウイルス感染症(COVID-19)は世界180カ国以上で流行し、2020年5月4日時点で約3,519,901人、全世界で247,630人が死亡した。
積極的な治療剤の欠如とcovid-19に対する免疫の欠如は、人口の脆弱性を増大させる。
ワクチンは使用できないため、このパンデミックと戦うための唯一の現実的なアプローチはソーシャルディスタンシングである。
この概念に動機づけられた本論文は,監視ビデオを用いたソーシャルディスタンシングの監視作業を自動化するための深層学習ベースのフレームワークを提案する。
提案フレームワークは、YOLO v3オブジェクト検出モデルを用いて、背景から人間を分離し、Deepsortアプローチを使用して、識別された人物をボックスと割り当てられたIDの助けを借りて追跡する。
YOLO v3モデルの結果は、平均平均精度(mAP)、フレーム/秒(FPS)、オブジェクトの分類とローカライゼーションによって定義された損失値など、他の一般的な最先端モデル(例えば、より高速な領域ベースCNN(畳み込みニューラルネットワーク)とシングルショット検出器(SSD))と比較される。
その後、ペアワイズベクトル化l2ノルムは、境界ボックスの遠心座標と次元を用いて得られる3次元特徴空間に基づいて計算される。
ソーシャルディスタンシングプロトコルの非採用を定量化するために違反指数項が提案されている。
実験結果から,Deepsort追跡方式を用いたYOLO v3では,リアルタイムにソーシャルディスタンシングを監視するため,バランスの取れたmAPとFPSスコアが最良の結果を示した。
関連論文リスト
- Wearing face mask detection using deep learning through COVID-19
pandemic [0.0]
本稿では,3つの最先端物体検出ニューラルネットワークによる顔マスク検出のリアルタイム応用の可能性について検討する。
異なるモデルの性能によると、現実世界やモバイルデバイスでの使用に適した最良のモデルは、YOLOv4-tinyモデルである。
論文 参考訳（メタデータ） (2023-04-28T19:39:32Z) - Boundary Guided Semantic Learning for Real-time COVID-19 Lung Infection
Segmentation System [69.40329819373954]
新型コロナウイルス(COVID-19)は、世界中の医療システムに悪影響を及ぼし続けている。
現段階では、新型コロナウイルスの診断と治療には、CT画像から肺感染症領域を自動的に分離することが不可欠である。
本稿では,境界案内型セマンティックラーニングネットワーク(BSNet)を提案する。
論文 参考訳（メタデータ） (2022-09-07T05:01:38Z) - The KFIoU Loss for Rotated Object Detection [115.334070064346]
本稿では,SkewIoU損失とトレンドレベルアライメントを両立できる近似的損失を考案する上で,有効な方法の1つとして論じる。
具体的には、対象をガウス分布としてモデル化し、SkewIoUのメカニズムを本質的に模倣するためにカルマンフィルタを採用する。
KFIoUと呼ばれる新たな損失は実装が容易で、正確なSkewIoUよりもうまく動作する。
論文 参考訳（メタデータ） (2022-01-29T10:54:57Z) - DAAIN: Detection of Anomalous and Adversarial Input using Normalizing
Flows [52.31831255787147]
我々は、アウト・オブ・ディストリビューション(OOD)インプットと敵攻撃(AA)を検出する新しい手法であるDAINを導入する。
本手法は,ニューラルネットワークの内部動作を監視し,活性化分布の密度推定器を学習する。
当社のモデルは,特別なアクセラレータを必要とせずに,効率的な計算とデプロイが可能な単一のGPUでトレーニングすることが可能です。
論文 参考訳（メタデータ） (2021-05-30T22:07:13Z) - Modeling the geospatial evolution of COVID-19 using spatio-temporal
convolutional sequence-to-sequence neural networks [48.7576911714538]
ポルトガルは世界最大の発生率を持つ国であり、人口10万人当たりの14日間の発生率が1000を超える。
その重要性にもかかわらず、covid-19の地理空間的進化の正確な予測は依然として課題である。
論文 参考訳（メタデータ） (2021-05-06T15:24:00Z) - Delving into Localization Errors for Monocular 3D Object Detection [85.77319416168362]
単眼画像から3Dバウンディングボックスを推定することは、自動運転に不可欠な要素です。
本研究では, 各サブタスクがもたらす影響を定量化し, 局所化誤差を求めることが, モノクロ3次元検出の抑制に欠かせない要因である。
論文 参考訳（メタデータ） (2021-03-30T10:38:01Z) - A Deep Learning Framework for COVID Outbreak Prediction [4.922572106422333]
本稿では、新型コロナウイルスの流行を予測するためのディープラーニングモデルの比較分析を提案する。
Attention-Long Short Term Memory (AttentionLSTM) と呼ばれる新しいアテンションベースエンコーダデコーダモデルを提案する。
提案手法は既存手法と比較して予測精度が優れている。
論文 参考訳（メタデータ） (2020-09-30T12:48:38Z) - DeepSOCIAL: Social Distancing Monitoring and Infection Risk Assessment
in COVID-19 Pandemic [1.027974860479791]
世界保健機関(WHO)は、公衆の場での新型コロナウイルスの感染拡大を最小限に抑えるため、ソーシャルディスタンシング(Social Distancing)を推奨している。
コンピュータビジョンとYOLOv4ベースのDeep Neural Networkモデルを開発した。
開発されたモデルは汎用的で正確な人物検出・追跡ソリューションであり、他の多くの分野に適用できる。
論文 参考訳（メタデータ） (2020-08-26T16:56:57Z) - New Normal: Cooperative Paradigm for Covid-19 Timely Detection and
Containment using Internet of Things and Deep Learning [12.618653234201089]
新型コロナウイルス(COVID-19)の感染拡大は、世界経済に影響を及ぼし、政府や保健当局に数十億ドルの損害を与えた。
本研究は、ウイルスの拡散を検知するだけでなく、ビジネスやエコノミーを再開し、社会生活を再開する上でも役立つコネクテッド・スマート・パラダイムを導入する。
論文 参考訳（メタデータ） (2020-08-15T14:33:53Z) - A Vision-based Social Distancing and Critical Density Detection System
for COVID-19 [0.0]
感染性コロナウイルス病2019(COVID-19)の感染拡大に対する効果的な対策として、社会的距離が証明されている。
個人間の距離を検知し、警告できるアクティブ監視システムは、致命的な病気の拡散を遅らせることができる。
本稿では,4つの重要な倫理的要因を考慮したAIに基づくリアルタイムソーシャルディスタンシング検出・警告システムを提案する。
論文 参考訳（メタデータ） (2020-07-07T15:55:50Z) - A Deep Q-learning/genetic Algorithms Based Novel Methodology For
Optimizing Covid-19 Pandemic Government Actions [63.669642197519934]
我々はSEIR疫学モデルを用いて、人口の時間とともにウイルスウイルスの進化を表現している。
報酬システムにより、アクションのシーケンス(統合、自己同化、二メートル距離、制限を取らない)を評価する。
どちらの意味でも、パンデミックの悪影響を抑えるために政府が取るべき行動を発見する上で、我々の方法論が有効な手段であることを実証する。
論文 参考訳（メタデータ） (2020-05-15T17:17:45Z)
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。