論文の概要: Monitoring Browsing Behavior of Customers in Retail Stores via RFID Imaging

• arxiv url: http://arxiv.org/abs/2007.03600v1
• Date: Tue, 7 Jul 2020 16:36:24 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-12 19:32:49.382436
• Title: Monitoring Browsing Behavior of Customers in Retail Stores via RFID Imaging
• Title（参考訳）: RFIDイメージングによる小売店舗における客の閲覧行動のモニタリング
• Authors: Kamran Ali, Alex X. Liu, Eugene Chai, Karthik Sundaresan
• Abstract要約: 本稿では,モノスタティックRFIDイメージングに基づく多人数イメージングシステムTagSeeを提案する。 我々はImpinj Speedway R420リーダーとSMARTRAC DogBone RFIDタグを使用してTagSeeを実装した。 TagSeeは、たった3～4人のユーザーのトレーニングデータを使用して、マルチパーソンシナリオで90%以上のTPRと10%未満のFPRを達成することができる。
• 参考スコア（独自算出の注目度）: 24.007822566345943
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: In this paper, we propose to use commercial off-the-shelf (COTS) monostatic RFID devices (i.e. which use a single antenna at a time for both transmitting and receiving RFID signals to and from the tags) to monitor browsing activity of customers in front of display items in places such as retail stores. To this end, we propose TagSee, a multi-person imaging system based on monostatic RFID imaging. TagSee is based on the insight that when customers are browsing the items on a shelf, they stand between the tags deployed along the boundaries of the shelf and the reader, which changes the multi-paths that the RFID signals travel along, and both the RSS and phase values of the RFID signals that the reader receives change. Based on these variations observed by the reader, TagSee constructs a coarse grained image of the customers. Afterwards, TagSee identifies the items that are being browsed by the customers by analyzing the constructed images. The key novelty of this paper is on achieving browsing behavior monitoring of multiple customers in front of display items by constructing coarse grained images via robust, analytical model-driven deep learning based, RFID imaging. To achieve this, we first mathematically formulate the problem of imaging humans using monostatic RFID devices and derive an approximate analytical imaging model that correlates the variations caused by human obstructions in the RFID signals. Based on this model, we then develop a deep learning framework to robustly image customers with high accuracy. We implement TagSee scheme using a Impinj Speedway R420 reader and SMARTRAC DogBone RFID tags. TagSee can achieve a TPR of more than ~90% and a FPR of less than ~10% in multi-person scenarios using training data from just 3-4 users.
• Abstract（参考訳）: 本稿では,市販のオフザ・棚(cots)モノスタティックrfidデバイス(タグへのrfid信号の送受信と送受信の両方に一度に1つのアンテナを使用する)を用いて,店舗等の展示物の前での顧客の閲覧状況を監視することを提案する。 そこで本研究では,モノスタティックRFIDイメージングに基づく多人数イメージングシステムTagSeeを提案する。 TagSeeは、顧客が棚上のアイテムを閲覧するとき、棚とリーダの境界に沿って配置されたタグの間に立ち、RFID信号が移動するマルチパスと、リーダが受信するRFID信号のRSSとフェーズ値の両方を変更する、という洞察に基づいています。 読者が観察したこれらのバリエーションに基づいて、TagSeeは顧客の粗いきめ細かいイメージを構築する。 その後、TagSeeは構築された画像を分析して、顧客が閲覧しているアイテムを特定する。 本稿では,ロバストで解析モデル駆動型深層学習に基づくrfidイメージングを用いて,粗粒画像を構築し,ディスプレイ項目前の複数の顧客のブラウジング行動監視を実現することを目的とする。 そこで我々はまず,静電RFIDデバイスを用いた人体イメージングの問題を数学的に定式化し,RFID信号の人体障害に起因する変化を相関づける近似解析画像モデルを導出する。 このモデルに基づいて,顧客を高精度に画像化するためのディープラーニングフレームワークを開発した。 我々は,Impinj Speedway R420リーダとSMARTRAC DogBone RFIDタグを用いたTagSee方式を実装した。 TagSeeは、たった3～4人のユーザーのトレーニングデータを使用して、90%以上のTPRと10%未満のFPRを達成することができる。

関連論文リスト

• ViFi-ReID: A Two-Stream Vision-WiFi Multimodal Approach for Person Re-identification [3.3743041904085125]
  人物再識別(ReID)は、安全検査、人員計数などにおいて重要な役割を担っている。 現在のReIDアプローチのほとんどは、主に目的条件の影響を受けやすい画像から特徴を抽出する。 我々は、Wi-Fi信号のチャネル状態情報(CSI)を介して歩行者からの歩行情報をキャプチャすることで、広く利用可能なルータをセンサデバイスとして活用する。
  論文  参考訳（メタデータ） (2024-10-13T15:34:11Z)
• Reviewing FID and SID Metrics on Generative Adversarial Networks [0.0]
  GAN(Generative Adversarial Network)モデルの成長により,画像処理能力が向上した。 これまでの研究では、Fr'echet Inception Distance(FID)が実世界のアプリケーションで画像から画像へのGANをテストする上で有効な指標であることが示されている。 本稿では、Pix2PixとCycleGANモデル内のファサード、都市景観、マップからなる公開データセットを使用する。 トレーニング後、これらのモデルは、トレーニングされたモデルの生成性能を測定する、両方の距離メトリクスに基づいて評価される。
  論文  参考訳（メタデータ） (2024-02-06T03:02:39Z)
• Reverse Engineering and Security Evaluation of Commercial Tags for RFID-Based IoT Applications [0.9999629695552193]
  本稿では、RFIDベースのIoTシステムで見られる最も一般的な欠陥について概説する。 第二に、そのような欠陥の検出と緩和を容易にする新しい手法を提示する。 第3に、最新のRFIDセキュリティツールを分析し、提案手法をその1つを通して適用し(Proxmark 3)、検証する。
  論文  参考訳（メタデータ） (2024-02-05T23:55:46Z)
• Follow Anything: Open-set detection, tracking, and following in real-time [89.83421771766682]
  我々は,物体をリアルタイムで検出,追跡,追跡するロボットシステムを提案する。 私たちのアプローチは、何でも従う"(FAn)と呼ばれ、オープンな語彙とマルチモーダルモデルです。 FAnは軽量(6～8GB)グラフィックカードでラップトップにデプロイでき、毎秒6～20フレームのスループットを実現する。
  論文  参考訳（メタデータ） (2023-08-10T17:57:06Z)
• RF-Annotate: Automatic RF-Supervised Image Annotation of Common Objects in Context [0.25019493958767397]
  ワイヤレスタグは、小売商品、食品、薬品、衣服、書籍、文書、鍵、機器など、一般的な商品の追跡や識別にますます利用されている。 本稿では,自律的画素画像アノテーションのためのパイプラインRF-Annotateについて述べる。
  論文  参考訳（メタデータ） (2022-11-16T11:25:38Z)
• Robust Semi-supervised Federated Learning for Images Automatic Recognition in Internet of Drones [57.468730437381076]
  プライバシー保護型UAV画像認識のための半教師付きフェデレートラーニング(SSFL)フレームワークを提案する。 異なるカメラモジュールを使用したUAVによって収集されたローカルデータの数、特徴、分布には大きな違いがある。 本稿では,クライアントがトレーニングに参加する頻度,すなわちFedFreqアグリゲーションルールに基づくアグリゲーションルールを提案する。
  論文  参考訳（メタデータ） (2022-01-03T16:49:33Z)
• Unsupervised Person Re-Identification with Wireless Positioning under Weak Scene Labeling [131.18390399368997]
  本稿では、弱いシーンラベリングの下で、視覚データと無線位置決めトラジェクトリの両方を用いて、教師なしの人物再識別を探索することを提案する。 具体的には、視覚データと無線情報の相補性をモデル化した、新しい教師なしマルチモーダルトレーニングフレームワーク(UMTF)を提案する。 我々のUMTFには、MMDA(Multimodal Data Association Strategy)とMMGN(Multimodal Graph Neural Network)が含まれている。
  論文  参考訳（メタデータ） (2021-10-29T08:25:44Z)
• An Effective and Robust Detector for Logo Detection [58.448716977297565]
  一部の攻撃者は、よく訓練されたロゴ検出モデルを侵害で騙している。 本稿では,2回検討する機構に基づく新しいロゴ検出手法を提案する。 我々は,デテクトRSアルゴリズムを,等化損失関数,マルチスケール変換,および逆データ拡張を備えたカスケードスキーマに拡張する。
  論文  参考訳（メタデータ） (2021-08-01T10:17:53Z)
• The Tags Are Alright: Robust Large-Scale RFID Clone Detection Through Federated Data-Augmented Radio Fingerprinting [11.03108444237374]
  本稿では、RFIDクローン検出の精度を高めるために、フェデレーション機械学習(FML)とデータ拡張(DAG)に基づく新しいトレーニングフレームワークを提案する。 我々の知る限り、大規模なデバイス群に対するFMLとDAの有効性を実験的に実証した最初の論文である。
  論文  参考訳（メタデータ） (2021-05-08T10:48:02Z)
• Self-Supervised Person Detection in 2D Range Data using a Calibrated Camera [83.31666463259849]
  2次元LiDARに基づく人検出器のトレーニングラベル(擬似ラベル)を自動生成する手法を提案する。 擬似ラベルで訓練または微調整された自己監視検出器が,手動アノテーションを用いて訓練された検出器を上回っていることを示した。 私達の方法は付加的な分類の努力なしで配置の間に人の探知器を改善する有効な方法です。
  論文  参考訳（メタデータ） (2020-12-16T12:10:04Z)
• Backpropagating through Fr\'echet Inception Distance [79.81807680370677]
  FastFIDは、損失関数としてFIDで生成モデルを効率的に訓練することができる。 Generative Adversarial Networksのための追加の損失としてFIDを使用すると、FIDが改善される。
  論文  参考訳（メタデータ） (2020-09-29T15:04:40Z)

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。