論文の概要: Handgun detection using combined human pose and weapon appearance

• arxiv url: http://arxiv.org/abs/2010.13753v4
• Date: Fri, 23 Jul 2021 09:55:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-02 18:05:30.167058
• Title: Handgun detection using combined human pose and weapon appearance
• Title（参考訳）: 人間のポーズと武器の外観を組み合わせた拳銃検出
• Authors: Jesus Ruiz-Santaquiteria, Alberto Velasco-Mata, Noelia Vallez, Gloria Bueno, Juan A. \'Alvarez-Garc\'ia, Oscar Deniz
• Abstract要約: 本研究では,武器の外観と人間のポーズ情報を組み合わせた新しい手法を提案する。 その結果, 組み合わせモデルにより, 従来よりも4.23点から18.9点のAPポイントを達成し, ハンドガン検出精度が向上することがわかった。
• 参考スコア（独自算出の注目度）: 0.4141979929350861
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Closed-circuit television (CCTV) systems are essential nowadays to prevent security threats or dangerous situations, in which early detection is crucial. Novel deep learning-based methods have allowed to develop automatic weapon detectors with promising results. However, these approaches are mainly based on visual weapon appearance only. For handguns, body pose may be a useful cue, especially in cases where the gun is barely visible. In this work, a novel method is proposed to combine, in a single architecture, both weapon appearance and human pose information. First, pose keypoints are estimated to extract hand regions and generate binary pose images, which are the model inputs. Then, each input is processed in different subnetworks and combined to produce the handgun bounding box. Results obtained show that the combined model improves the handgun detection state of the art, achieving from 4.23 to 18.9 AP points more than the best previous approach.
• Abstract（参考訳）: 近年、早期発見が不可欠であるセキュリティ上の脅威や危険な状況を防止するために、CCTVシステムは不可欠である。 深層学習に基づく新しい手法は、有望な結果を持つ自動兵器検知器の開発を可能にした。 しかし、これらのアプローチは主に視覚兵器のみに基づいている。 拳銃の場合、特に銃がほとんど見えない場合、身体のポーズは有用な手がかりとなる可能性がある。 本研究は、武器の出現と人間のポーズ情報の両方を単一のアーキテクチャで組み合わせた新しい手法を提案する。 まず、ポーズキーポイントを推定してハンド領域を抽出し、モデル入力であるバイナリポーズ画像を生成する。 そして、各入力を異なるサブネットで処理し、組み合わせて拳銃バウンディングボックスを生成する。 その結果, 組み合わせモデルにより, 従来よりも4.23点から18.9点のAPポイントを達成し, ハンドガン検出精度が向上することがわかった。

関連論文リスト

• Real Time Deep Learning Weapon Detection Techniques for Mitigating Lone Wolf Attacks [0.0]
  本研究は、モデル検証とトレーニングのための(You Look Only Once)ファミリーとFaster RCNNファミリに焦点を当てる。 モデルは推定速度8.1msで最高スコア78%に達する。 しかし、より高速なRCNNモデルはAP 89%を達成している。
  論文  参考訳（メタデータ） (2024-05-23T03:48:26Z)
• Early Action Recognition with Action Prototypes [62.826125870298306]
  本稿では,各クラスに対するフルアクションのプロトタイプ表現を学習する新しいモデルを提案する。 映像を短いクリップに分解し、視覚エンコーダがそれぞれのクリップから特徴を独立して抽出する。 その後、デコーダは、最終クラスの予測のために、すべてのクリップからオンラインのファッション機能として集約される。
  論文  参考訳（メタデータ） (2023-12-11T18:31:13Z)
• Novel Deep Learning Pipeline for Automatic Weapon Detection [0.0]
  武器と銃の暴力は、最近、圧力のかかる問題になっている。 リアルタイム監視ビデオは、ほぼすべての公開フォーラムや場所で撮影、録画される。 本稿では,異なるアーキテクチャを持つ畳み込みニューラルネットワークのアンサンブルからなる,新しいパイプラインを提案する。
  論文  参考訳（メタデータ） (2023-09-28T17:55:14Z)
• Detection and Localization of Firearm Carriers in Complex Scenes for Improved Safety Measures [17.03422574286601]
  本稿では,銃器通信事業者の地域化に有用な手がかりを提供する,人と銃器のインタラクション情報を活用する新しいアプローチを提案する。 本手法は,人や銃器を背景から効果的に識別する機構を,関連分野に着目して組み込んだものである。 異なる大きさの入力を処理するために,注目マスク付き対のヒューマン・ファイアアーム・インスタンスをディープネットワークを介してチャネルとして通過し,特徴計算を行う。
  論文  参考訳（メタデータ） (2023-09-17T10:50:46Z)
• CCTV-Gun: Benchmarking Handgun Detection in CCTV Images [59.24281591714385]
  銃の暴力は重要なセキュリティ問題であり、コンピュータビジョンコミュニティが効果的な銃検出アルゴリズムを開発することが必須である。 実際のCCTV画像から銃を検出することは、未だに困難で未調査の課題である。 我々は,実世界のCCTV画像における拳銃検出の課題に対処するベンチマーク「textbfCCTV-Gun」を提案する。
  論文  参考訳（メタデータ） (2023-03-19T16:17:35Z)
• Are You Stealing My Model? Sample Correlation for Fingerprinting Deep Neural Networks [86.55317144826179]
  従来の方法は、常にモデル指紋として転送可能な敵の例を利用する。 本稿では,SAmple correlation (SAC) に基づく新しいモデル盗難検出手法を提案する。 SACは、敵の訓練や移動学習を含む様々なモデル盗難攻撃をうまく防いでいる。
  論文  参考訳（メタデータ） (2022-10-21T02:07:50Z)
• 3D Interacting Hand Pose Estimation by Hand De-occlusion and Removal [85.30756038989057]
  単一のRGB画像から3Dインタラクションハンドポーズを推定することは、人間の行動を理解するのに不可欠である。 本稿では,難易度の高い手ポーズ推定タスクを分解し,各手のポーズを別々に推定することを提案する。 実験の結果,提案手法は従来の手ポーズ推定手法よりも有意に優れていた。
  論文  参考訳（メタデータ） (2022-07-22T13:04:06Z)
• Anomaly Detection-Based Unknown Face Presentation Attack Detection [74.4918294453537]
  異常検出に基づくスプーフ攻撃検出は、顔提示攻撃検出の最近の進歩である。 本稿では,異常検出に基づくスプーフ攻撃検出のためのディープラーニングソリューションを提案する。 提案手法はCNNの表現学習能力の恩恵を受け,fPADタスクの優れた特徴を学習する。
  論文  参考訳（メタデータ） (2020-07-11T21:20:55Z)
• Localizing Firearm Carriers by Identifying Human-Object Pairs [12.425090880770977]
  ある画像では、人間と銃器が別々に検出されます。検出された各人間は、検出された各銃器とペアリングされ、オブジェクトと人間の両方を含む、ペアリングされたバウンディングボックスを作成できます。 ネットワークは、これらのペアリングされたバウンディングボックスを、識別された銃を持った人間に分類するよう訓練されている。
  論文  参考訳（メタデータ） (2020-05-19T09:50:23Z)
• Human Motion Transfer from Poses in the Wild [61.6016458288803]
  人間の動き伝達の問題に対処し、基準映像からの動きを模倣する対象人物のための新しい動き映像を合成する。 推定ポーズを用いて2つのドメインをブリッジするビデオ間翻訳タスクである。 トレーニング中に見つからない線内ポーズシーケンスであっても、時間的に一貫性のある高品質なビデオを生成するための新しいポーズ・ツー・ビデオ翻訳フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-04-07T05:59:53Z)

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。