論文の概要: A novel action recognition system for smart monitoring of elderly people
using Action Pattern Image and Series CNN with transfer learning
- arxiv url: http://arxiv.org/abs/2009.03285v1
- Date: Mon, 7 Sep 2020 17:51:27 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-21 03:04:22.822093
- Title: A novel action recognition system for smart monitoring of elderly people
using Action Pattern Image and Series CNN with transfer learning
- Title（参考訳）: 移動学習を用いた行動パターン画像とシリーズCNNを用いた高齢者のスマートモニタリングのための新しい行動認識システム
- Authors: L. Aneesh Euprazia, K.K.Thyagharajan
- Abstract要約: 伝達学習を用いた直列畳み込みニューラルネットワーク(SCNN)を提案する。
CNNがビデオのフレームで直接訓練されると、背景画素を含むすべてのピクセルから学習する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Falling of elderly people who are staying alone at home leads to health
risks. If they are not attended immediately even it may lead to fatal danger to
their life. In this paper a novel computer vision-based system for smart
monitoring of elderly people using Series Convolutional Neural Network (SCNN)
with transfer learning is proposed. When CNN is trained by the frames of the
videos directly, it learns from all pixels including the background pixels.
Generally, the background in a video does not contribute anything in
identifying the action and actually it will mislead the action classification.
So, we propose a novel action recognition system and our contributions are 1)
to generate more general action patterns which are not affected by illumination
and background variations of the video sequences and eliminate the obligation
of image augmentation in CNN training 2) to design SCNN architecture and
enhance the feature extraction process to learn large amount of data, 3) to
present the patterns learnt by the neurons in the layers and analyze how these
neurons capture the action when the input pattern is passing through these
neurons, and 4) to extend the capability of the trained SCNN for recognizing
fall actions using transfer learning.
- Abstract（参考訳）: 自宅で独りで暮らしている高齢者の転倒は健康リスクにつながる。
もしすぐに出席しなければ、命の危険に繋がる可能性がある。
本稿では,時系列畳み込みニューラルネットワーク(scnn, series convolutional neural network)を用いた高齢者のスマートモニタリングシステムを提案する。
cnnがビデオのフレームによって直接訓練されると、背景ピクセルを含むすべてのピクセルから学習される。
一般的に、ビデオの背景はアクションの識別に何の貢献もせず、実際にはアクションの分類を誤解します。
そこで我々は,新しい行動認識システムを提案し,その貢献について述べる。
1)映像系列の照明や背景変化の影響を受けないより一般的な行動パターンを生成し、CNNトレーニングにおける画像増強の義務を解消する
2)SCNNアーキテクチャを設計し,大量のデータを学習するための特徴抽出プロセスを強化する。
3) 層内のニューロンが学習したパターンを提示し、入力パターンがこれらのニューロンを通過するときにどのように作用を捉えているかを解析し、
4)転帰学習を用いて転倒行動を認識する訓練SCNNの能力を拡張すること。
関連論文リスト
- When Spiking neural networks meet temporal attention image decoding and adaptive spiking neuron [7.478056407323783]
スパイキングニューラルネットワーク(SNN)は、生物学的に妥当な方法で時間情報をエンコードし、処理することができる。
本稿では,時間的注意(TAID)に基づく画像復号法と適応型Leaky-Integrate-and-Fireニューロンモデルを提案する。
論文 参考訳（メタデータ） (2024-06-05T08:21:55Z) - Simple and Effective Transfer Learning for Neuro-Symbolic Integration [50.592338727912946]
この問題の潜在的な解決策はNeuro-Symbolic Integration (NeSy)であり、ニューラルアプローチとシンボリック推論を組み合わせる。
これらの手法のほとんどは、認識をシンボルにマッピングするニューラルネットワークと、下流タスクの出力を予測する論理的論理的推論を利用する。
それらは、緩やかな収束、複雑な知覚タスクの学習困難、局所的なミニマへの収束など、いくつかの問題に悩まされている。
本稿では,これらの問題を改善するための簡易かつ効果的な方法を提案する。
論文 参考訳（メタデータ） (2024-02-21T15:51:01Z) - Hebbian Learning based Orthogonal Projection for Continual Learning of
Spiking Neural Networks [74.3099028063756]
我々は,側方接続とヘビアン学習に基づくニューラル操作を用いた新しい手法を開発した。
我々は,反復する側方接続におけるヘビアン学習と反ヘビアン学習が,神経活動の主部分空間を効果的に抽出できることを示した。
我々の手法は、ほとんど忘れることなくニューラルネットワークをスパイクするために一貫して解決する。
論文 参考訳（メタデータ） (2024-02-19T09:29:37Z) - Visual Attention Network [90.0753726786985]
本稿では,自己アテンションにおける自己適応性および長距離相関を実現するために,新しいカーネルアテンション(LKA)モジュールを提案する。
また、LKAに基づく新しいニューラルネットワーク、すなわちVisual Attention Network (VAN)を導入する。
VANは、最先端のビジョントランスフォーマーと畳み込みニューラルネットワークを、広範な実験において大きなマージンで上回ります。
論文 参考訳（メタデータ） (2022-02-20T06:35:18Z) - Dynamic Gesture Recognition [0.0]
従来のコンピュータビジョンアルゴリズムの代わりに、機械学習を使って画像や動画を分類することができる。
このプロジェクトの目的は、畳み込みニューラルネットワーク(CNN)とリカレントニューラルネットワーク(RNN)の共生を構築することである。
論文 参考訳（メタデータ） (2021-09-20T09:45:29Z) - A Study On the Effects of Pre-processing On Spatio-temporal Action
Recognition Using Spiking Neural Networks Trained with STDP [0.0]
ビデオ分類タスクにおいて,教師なし学習手法で訓練したSNNの行動を研究することが重要である。
本稿では,時間情報を静的な形式に変換し,遅延符号化を用いて視覚情報をスパイクに変換する手法を提案する。
スパイクニューラルネットワークを用いた行動認識における行動の形状と速度の類似性の効果を示す。
論文 参考訳（メタデータ） (2021-05-31T07:07:48Z) - Continuous Emotion Recognition with Spatiotemporal Convolutional Neural
Networks [82.54695985117783]
In-theld でキャプチャした長いビデオシーケンスを用いて,持続的な感情認識のための最先端のディープラーニングアーキテクチャの適合性を検討する。
我々は,2D-CNNと長期記憶ユニットを組み合わせた畳み込みリカレントニューラルネットワークと,2D-CNNモデルの微調整時の重みを膨らませて構築した膨らませた3D-CNNモデルを開発した。
論文 参考訳（メタデータ） (2020-11-18T13:42:05Z) - Curriculum By Smoothing [52.08553521577014]
畳み込みニューラルネットワーク(CNN)は、画像分類、検出、セグメンテーションなどのコンピュータビジョンタスクにおいて顕著な性能を示している。
アンチエイリアスフィルタやローパスフィルタを用いてCNNの機能埋め込みを円滑化するエレガントなカリキュラムベースのスキームを提案する。
トレーニング中に特徴マップ内の情報量が増加するにつれて、ネットワークはデータのより優れた表現を徐々に学習することができる。
論文 参考訳（メタデータ） (2020-03-03T07:27:44Z) - Learning to Continually Learn [14.988129334830003]
ニューロ変調メタラーニングアルゴリズム(ANML)を提案する。
脳の神経調節過程にインスパイアされた我々は、神経変調メタラーニングアルゴリズム(ANML)を提案する。
ANMLは最先端の継続的学習性能を生成し、600以上のクラスを逐次学習する(9000以上のSGD更新)。
論文 参考訳（メタデータ） (2020-02-21T22:52:00Z) - An End-to-End Visual-Audio Attention Network for Emotion Recognition in
User-Generated Videos [64.91614454412257]
畳み込みニューラルネットワーク(CNN)に基づくエンドツーエンドの映像感情認識を提案する。
具体的には,空間的,チャネル的,時間的注意を視覚的に3D CNNに統合し,時間的注意をオーディオ2D CNNに組み込む新しいアーキテクチャである,深層ビジュアル・オーディオ・アテンション・ネットワーク(VAANet)を開発した。
論文 参考訳（メタデータ） (2020-02-12T15:33:59Z) - Intrinsic Motivation and Episodic Memories for Robot Exploration of
High-Dimensional Sensory Spaces [0.0]
本研究では,マイクロファーミングロボットの画像センサのための好奇心駆動型目標指向探索行動を生成するアーキテクチャを提案する。
画像から低次元特徴をオフラインで教師なしで学習するためのディープニューラルネットワークと、システムの逆および前方運動学を表す浅層ニューラルネットワークのオンライン学習の組み合わせが用いられている。
人工好奇心システムは、予め定義された目標のセットに関心値を割り当て、学習の進捗を最大化すると予想される目標への探索を促進する。
論文 参考訳（メタデータ） (2020-01-07T11:39:20Z)
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。