論文の概要: SeekNet: Improved Human Instance Segmentation via Reinforcement Learning Based Optimized Robot Relocation

• arxiv url: http://arxiv.org/abs/2011.08682v1
• Date: Tue, 17 Nov 2020 15:03:30 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-24 17:33:45.899880
• Title: SeekNet: Improved Human Instance Segmentation via Reinforcement Learning Based Optimized Robot Relocation
• Title（参考訳）: seeknet:強化学習に基づく最適化ロボット転置によるヒューマンインスタンスセグメンテーションの改善
• Authors: Venkatraman Narayanan and Bala Murali Manoghar and Rama Prashanth RV and Aniket Bera
• Abstract要約: アモーダル認識は、隠された物体を検知するシステムの能力である。 視覚認識を具体化してアモーダル認識のための改良された最適化手法であるSeekNetを提案する。 また、混み合った人間との対話が複数ある社会ロボット向けにSeekNetを実装している。
• 参考スコア（独自算出の注目度）: 17.4240390944016
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Amodal recognition is the ability of the system to detect occluded objects. Most state-of-the-art Visual Recognition systems lack the ability to perform amodal recognition. Few studies have achieved amodal recognition through passive prediction or embodied recognition approaches. However, these approaches suffer from challenges in real-world applications, such as dynamic objects. We propose SeekNet, an improved optimization method for amodal recognition through embodied visual recognition. Additionally, we implement SeekNet for social robots, where there are multiple interactions with crowded humans. Hence, we focus on occluded human detection & tracking and showcase the superiority of our algorithm over other baselines. We also experiment with SeekNet to improve the confidence of COVID-19 symptoms pre-screening algorithms using our efficient embodied recognition system.
• Abstract（参考訳）: アモーダル認識は、隠された物体を検出するシステムの能力である。 最先端の視覚認識システムのほとんどは、アモーダル認識を行う能力が欠けている。 パッシブ予測や具体化認識アプローチによってアモーダル認識を達成した研究はほとんどない。 しかし、これらのアプローチは動的オブジェクトのような現実世界のアプリケーションにおける課題に苦しむ。 本研究では,具体化視覚認識によるアモーダル認識の最適化手法である seeknet を提案する。 さらに, 混み合った人間との対話が複数存在する社会ロボットに対して, seeknet を実装した。 そこで我々は,人間の検出と追跡に重点を置き,他のベースラインよりもアルゴリズムの優越性を示す。 また、SeekNetを用いて、当社の効率的なエンボディド認識システムを用いて、新型コロナウイルスの症状事前スクリーニングアルゴリズムの信頼性を向上させる実験を行った。

関連論文リスト

• Know Thy Neighbors: A Graph Based Approach for Effective Sensor-Based Human Activity Recognition in Smart Homes [0.0]
  スマートホームにおけるヒューマンアクティビティ認識(HAR)のためのグラフ誘導ニューラルネットワーク手法を提案する。 スマートホームにおけるセンサネットワークを表す,より表現力のあるグラフ構造を学習することで,これを実現する。 本手法は,アテンション機構の適用により,個別の入力センサ計測を特徴空間にマッピングする。
  論文  参考訳（メタデータ） (2023-11-16T02:43:13Z)
• Human Activity Recognition Using Cascaded Dual Attention CNN and Bi-Directional GRU Framework [3.3721926640077795]
  視覚に基づく人間の活動認識は、ビデオ分析領域において重要な研究領域の1つとして現れてきた。 本稿では,人間の行動認識における深部識別的空間的特徴と時間的特徴を利用した,計算的に効率的だが汎用的な空間時空間カスケードフレームワークを提案する。 提案手法は, 従来の動作認識手法と比較して, フレーム毎秒最大167倍の性能向上を実現している。
  論文  参考訳（メタデータ） (2022-08-09T20:34:42Z)
• Multimodal Emotion Recognition using Transfer Learning from Speaker Recognition and BERT-based models [53.31917090073727]
  本稿では,音声とテキストのモダリティから,伝達学習モデルと微調整モデルとを融合したニューラルネットワークによる感情認識フレームワークを提案する。 本稿では,対話型感情的モーションキャプチャー・データセットにおけるマルチモーダル・アプローチの有効性を評価する。
  論文  参考訳（メタデータ） (2022-02-16T00:23:42Z)
• Incremental Learning Techniques for Online Human Activity Recognition [0.0]
  身体運動のオンライン予測のためのヒューマンアクティビティ認識(HAR)手法を提案する。 我々は,監視ソフトウェアを含むHARシステムと加速度計とジャイロスコープデータを収集するモバイルアプリケーションを開発する。 この研究で6つの漸進的学習アルゴリズムが採用され、オフラインのHARシステムの開発によく使用されるバッチ学習アルゴリズムと比較される。
  論文  参考訳（メタデータ） (2021-09-20T11:33:09Z)
• Identity-Aware Attribute Recognition via Real-Time Distributed Inference in Mobile Edge Clouds [53.07042574352251]
  我々は、MEC対応カメラ監視システムにおいて、re-IDを用いた歩行者属性認識のための新しいモデルの設計を行う。 本稿では,属性認識と人物再IDを協調的に考慮し,分散モジュールの集合を持つ新しい推論フレームワークを提案する。 そこで我々は,提案した分散推論フレームワークのモジュール分布の学習に基づくアルゴリズムを考案した。
  論文  参考訳（メタデータ） (2020-08-12T12:03:27Z)
• AR-Net: Adaptive Frame Resolution for Efficient Action Recognition [70.62587948892633]
  行動認識はコンピュータビジョンにおいてオープンで困難な問題である。 本稿では,入力に条件付けされた各フレームの最適な解像度をオンザフライで選択し,効率的な動作認識を実現する,AR-Netと呼ばれる新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-07-31T01:36:04Z)
• AutoOD: Automated Outlier Detection via Curiosity-guided Search and Self-imitation Learning [72.99415402575886]
  外乱検出は重要なデータマイニングの課題であり、多くの実用的応用がある。 本稿では,最適なニューラルネットワークモデルを探すことを目的とした自動外乱検出フレームワークであるAutoODを提案する。 さまざまな実世界のベンチマークデータセットに対する実験結果から、AutoODが特定したディープモデルが最高のパフォーマンスを達成することが示された。
  論文  参考訳（メタデータ） (2020-06-19T18:57:51Z)
• Entropy Decision Fusion for Smartphone Sensor based Human Activity Recognition [0.0]
  本稿では,畳み込みニューラルネットワーク,再帰畳み込みネットワーク,ベクトルマシンをコンピュータで支援するためのアプローチを提案する。 UCI-HARとWISDMの2つのベンチマークデータセットで実験が行われた。
  論文  参考訳（メタデータ） (2020-05-30T21:09:38Z)
• Automatic Gesture Recognition in Robot-assisted Surgery with Reinforcement Learning and Tree Search [63.07088785532908]
  共同手術におけるジェスチャー分割と分類のための強化学習と木探索に基づく枠組みを提案する。 我々のフレームワークは,JIGSAWSデータセットのサチューリングタスクにおいて,精度,編集スコア,F1スコアの点で,既存の手法よりも一貫して優れています。
  論文  参考訳（メタデータ） (2020-02-20T13:12:38Z)
• Continuous Emotion Recognition via Deep Convolutional Autoencoder and Support Vector Regressor [70.2226417364135]
  マシンはユーザの感情状態を高い精度で認識できることが不可欠である。 ディープニューラルネットワークは感情を認識する上で大きな成功を収めている。 表情認識に基づく連続的感情認識のための新しいモデルを提案する。
  論文  参考訳（メタデータ） (2020-01-31T17:47:16Z)

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。