論文の概要: Deep Learning for Vision-Based Fall Detection System: Enhanced Optical Dynamic Flow

• arxiv url: http://arxiv.org/abs/2104.05744v1
• Date: Thu, 18 Mar 2021 08:14:25 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-07 18:40:09.768785
• Title: Deep Learning for Vision-Based Fall Detection System: Enhanced Optical Dynamic Flow
• Title（参考訳）: 視力に基づく転倒検出システムのための深層学習:光学ダイナミックフローの強化
• Authors: Sagar Chhetri, Abeer Alsadoon, Thair Al Dala in, P. W. C. Prasad, Tarik A. Rashid, Angelika Maag
• Abstract要約: 深層学習の影響は、行動認識のような視覚ベースのシステムの景観を変えた。 深層学習技術は、視覚に基づく転倒検出システムではうまく実装されていない。 本研究の目的は,転倒検出の精度を向上させる視覚に基づく転倒検出システムを提案することである。
• 参考スコア（独自算出の注目度）: 27.791093798619503
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Accurate fall detection for the assistance of older people is crucial to reduce incidents of deaths or injuries due to falls. Meanwhile, a vision-based fall detection system has shown some significant results to detect falls. Still, numerous challenges need to be resolved. The impact of deep learning has changed the landscape of the vision-based system, such as action recognition. The deep learning technique has not been successfully implemented in vision-based fall detection systems due to the requirement of a large amount of computation power and the requirement of a large amount of sample training data. This research aims to propose a vision-based fall detection system that improves the accuracy of fall detection in some complex environments such as the change of light condition in the room. Also, this research aims to increase the performance of the pre-processing of video images. The proposed system consists of the Enhanced Dynamic Optical Flow technique that encodes the temporal data of optical flow videos by the method of rank pooling, which thereby improves the processing time of fall detection and improves the classification accuracy in dynamic lighting conditions. The experimental results showed that the classification accuracy of the fall detection improved by around 3% and the processing time by 40 to 50ms. The proposed system concentrates on decreasing the processing time of fall detection and improving classification accuracy. Meanwhile, it provides a mechanism for summarizing a video into a single image by using a dynamic optical flow technique, which helps to increase the performance of image pre-processing steps.
• Abstract（参考訳）: 転倒による死亡・負傷事故を減らすためには,高齢者支援のための正確な転倒検出が重要である。 一方、視覚に基づく転倒検出システムは、転倒を検出するための重要な結果を示している。 それでも、多くの課題を解決する必要がある。 深層学習の影響は、行動認識のような視覚ベースのシステムの景観を変えた。 ディープラーニング技術は,大量の計算パワーと大量のサンプルトレーニングデータを必要とするため,視覚に基づく転倒検出システムでは実現されていない。 本研究は,室内の光条件の変化など複雑な環境下での転倒検出の精度を向上させる視覚に基づく転倒検出システムを提案する。 また,本研究の目的は,映像の前処理性能の向上である。 提案方式は,光学フロービデオの時間データをランクプーリング法で符号化し,転倒検出の処理時間を短縮し,動的照明条件における分類精度を向上する拡張動的光学フロー技術により構成される。 その結果, 落下検出の分類精度は約3%向上し, 処理時間は40～50ms向上した。 提案システムは,転倒検出の処理時間を短縮し,分類精度を向上させることに集中する。 一方、ダイナミック光学フロー技術を用いて、映像を単一の画像に要約する機構を提供し、画像前処理のステップの性能を向上させるのに役立つ。

関連論文リスト

• Self-supervised denoising of visual field data improves detection of glaucoma progression [10.406307305469356]
  4000名以上の患者からの視覚野データに自己教師型深層学習が有効であることを示す。 マスク付きオートエンコーダは従来の方法よりもクリーンな復号化データを生み出した。
  論文  参考訳（メタデータ） (2024-11-19T00:50:01Z)
• Perceptual Piercing: Human Visual Cue-based Object Detection in Low Visibility Conditions [2.0409124291940826]
  本研究では,大気散乱と人間の視覚野機構に触発された新しい深層学習フレームワークを提案する。 本研究の目的は, 環境条件下での検知システムの精度と信頼性を高めることである。
  論文  参考訳（メタデータ） (2024-10-02T04:03:07Z)
• Visual Context-Aware Person Fall Detection [52.49277799455569]
  画像中の個人とオブジェクトを半自動分離するセグメンテーションパイプラインを提案する。 ベッド、椅子、車椅子などの背景オブジェクトは、転倒検知システムに挑戦し、誤ったポジティブアラームを引き起こす。 トレーニング中のオブジェクト固有のコンテキスト変換が、この課題を効果的に軽減することを示す。
  論文  参考訳（メタデータ） (2024-04-11T19:06:36Z)
• Domain-Aware Few-Shot Learning for Optical Coherence Tomography Noise Reduction [0.0]
  光コヒーレンストモグラフィ(OCT)ノイズ低減のための数発の教師付き学習フレームワークを提案する。 このフレームワークは、トレーニング速度を劇的に向上させ、単一の画像または画像の一部だけを必要とし、対応するスペックルが地面の真実を抑圧する。 この結果から, 試料の複雑さ, 一般化, 時間効率を向上する可能性が示唆された。
  論文  参考訳（メタデータ） (2023-06-13T19:46:40Z)
• MonoTDP: Twin Depth Perception for Monocular 3D Object Detection in Adverse Scenes [49.21187418886508]
  本論文は,モノTDP(MonoTDP)と呼ばれる悪シーンにおける2つの深度を知覚するモノクル3次元検出モデルを提案する。 まず、制御不能な気象条件を扱うモデルを支援するための適応学習戦略を導入し、様々な劣化要因による劣化を著しく抑制する。 そこで本研究では, シーン深度と物体深度を同時に推定する新たな2つの深度認識モジュールを提案する。
  論文  参考訳（メタデータ） (2023-05-18T13:42:02Z)
• Active Gaze Control for Foveal Scene Exploration [124.11737060344052]
  本研究では,葉型カメラを用いた人間とロボットが現場を探索する方法をエミュレートする手法を提案する。 提案手法は,同数の視線シフトに対してF1スコアを2～3ポイント増加させる。
  論文  参考訳（メタデータ） (2022-08-24T14:59:28Z)
• Elderly Fall Detection Using CCTV Cameras under Partial Occlusion of the Subjects Body [0.0]
  咬合は視覚に基づく転倒検知システムにおける最大の課題の1つである。 転倒検知システムの訓練のために特別に設計された隠蔽映像を合成する。 本稿では,隠蔽ビデオと非隠蔽ビデオを用いた転倒検出モデルの重み付けトレーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-08-15T16:02:18Z)
• Efficient Human Vision Inspired Action Recognition using Adaptive Spatiotemporal Sampling [13.427887784558168]
  本稿では,効率的な行動認識処理のための適応型視覚システムを提案する。 本システムでは,グローバルコンテキストサンプリング方式を低解像度で事前スキャンし,高精細な領域で高精細な特徴をスキップしたり,要求したりすることを決定した。 動作認識のためのEPIC-KENSとUCF-101データセットを用いたシステムの有効性を検証するとともに,提案手法により,最先端のベースラインに比べて精度の低下を許容し,推論を大幅に高速化できることを示す。
  論文  参考訳（メタデータ） (2022-07-12T01:18:58Z)
• On the Sins of Image Synthesis Loss for Self-supervised Depth Estimation [60.780823530087446]
  画像合成の改善は深度推定の改善を必要としないことを示す。 この発散現象は、データから生じるアレラトリックな不確実性に起因している。 この観察された発散は、以前に報告されたり、深く研究されたりしていない。
  論文  参考訳（メタデータ） (2021-09-13T17:57:24Z)
• Geometry Uncertainty Projection Network for Monocular 3D Object Detection [138.24798140338095]
  本稿では,予測および学習段階の誤り増幅問題に対処するために,幾何不確実性予測ネットワーク(GUP Net)を提案する。 具体的には, GUPモジュールを提案し, 推定深さの幾何誘導不確かさを求める。 トレーニング段階では,エラー増幅による不安定性を低減するための階層型タスク学習戦略を提案する。
  論文  参考訳（メタデータ） (2021-07-29T06:59:07Z)
• Learning Monocular Dense Depth from Events [53.078665310545745]
  イベントカメラは、強度フレームではなく、非同期イベントのストリームの形式で輝度を変化させる。 最近の学習に基づくアプローチは、単眼深度予測のようなイベントベースのデータに適用されている。 本稿では,この課題を解決するための繰り返しアーキテクチャを提案し,標準フィードフォワード法よりも大幅に改善されていることを示す。
  論文  参考訳（メタデータ） (2020-10-16T12:36:23Z)

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。