論文の概要: The 2021 Hotel-ID to Combat Human Trafficking Competition Dataset

• arxiv url: http://arxiv.org/abs/2106.05746v1
• Date: Thu, 10 Jun 2021 13:50:28 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-11 14:19:56.217643
• Title: The 2021 Hotel-ID to Combat Human Trafficking Competition Dataset
• Title（参考訳）: 2021年ホテルID、人身売買競争データに対処
• Authors: Rashmi Kamath, Greg Rolwes, Samuel Black and Abby Stylianou
• Abstract要約: ホテルの認識は、被害者がホテルの部屋でしばしば撮影されるため、人身売買の捜査にとって重要な課題である。 本稿では,この問題に対する意識を高め,新たなアプローチを生み出すために,2021年のHotel-IDデータセットを提案する。 データセットは、TraffickCamモバイルアプリケーションを通じてクラウドソースされアップロードされたホテルのルームイメージで構成されている。
• 参考スコア（独自算出の注目度）: 2.597151774317691
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Hotel recognition is an important task for human trafficking investigations since victims are often photographed in hotel rooms. Identifying these hotels is vital to trafficking investigations since they can help track down current and future victims who might be taken to the same places. Hotel recognition is a challenging fine grained visual classification task as there can be little similarity between different rooms within the same hotel, and high similarity between rooms from different hotels (especially if they are from the same chain). Hotel recognition to combat human trafficking poses additional challenges as investigative images are often low quality, contain uncommon camera angles and are highly occluded. Here, we present the 2021 Hotel-ID dataset to help raise awareness for this problem and generate novel approaches. The dataset consists of hotel room images that have been crowd-sourced and uploaded through the TraffickCam mobile application. The quality of these images is similar to investigative images and hence models trained on these images have good chances of accurately narrowing down on the correct hotel.
• Abstract（参考訳）: ホテルの認識は、被害者がしばしばホテルの部屋で撮影されるため、人身売買調査にとって重要なタスクである。 これらのホテルの特定は、同一の場所に連れて行かれる可能性のある現在と将来の犠牲者を追跡できるため、トラクシング調査にとって不可欠である。 ホテル認識は、同じホテル内の異なる部屋間の類似性がほとんどなく、異なるホテル(特に同じチェーンの部屋)の部屋間の類似度が高いため、難易度の高い視覚的分類課題である。 人身売買と戦うホテルの認識は、しばしば調査用画像が品質が低く、珍しいカメラアングルが含まれており、非常に隠蔽されているため、さらなる課題をもたらす。 本稿では,この問題に対する認識を高め,新たなアプローチを生み出すための2021 Hotel-IDデータセットを提案する。 データセットは、TraffickCamモバイルアプリケーションを通じてクラウドソースされアップロードされたホテルのルームイメージで構成されている。 これらの画像の品質は調査画像と似ているため、これらの画像でトレーニングされたモデルが正しいホテルを正確に絞り込む可能性も高い。

関連論文リスト

• Automatic and Accurate Classification of Hotel Bathrooms from Images with Deep Learning [0.0]
  ホテルのトイレは顧客満足度において最も重要な場所の一つであり、最も苦情が報告されている場所である。 本研究では,ホテルの浴室を満足度(良さ)または不満足度(悪さ)に分類するために,ディープラーニングアルゴリズムの2つの異なるバージョンを設計した。 最上位のアルゴリズムは精度92.4%、AUCスコア0.967を達成している。
  論文  参考訳（メタデータ） (2023-06-13T12:29:42Z)
• Differentially Private Cross-camera Person Re-identification [2.5984996662956408]
  カメラをベースとした人物の身元確認は、デザインによるプライバシー侵害の重大課題だ。 本研究では、意図した再識別タスクの外部での使用に対して、そのような画像データを保護する可能性を検討する。 画像の歪みを抑える能力は,タスク性能が著しく低下することを示す。
  論文  参考訳（メタデータ） (2023-06-05T10:41:25Z)
• Aerial-Ground Person Re-ID [43.241435887373804]
  我々は,航空カメラと地上カメラをまたいで,人による再IDマッチングを行う新しいベンチマークデータセット AG-ReID を提案する。 データセットには、388のアイデンティティの21,983のイメージと、各IDに対する15のソフト属性が含まれている。 データは、高度15～45mのUAVと、大学のキャンパスで地上のCCTVカメラによって収集されました。
  論文  参考訳（メタデータ） (2023-03-15T13:07:21Z)
• Revisiting Hotels-50K and Hotel-ID [4.794489647730955]
  本稿では,ホテル50KとホテルIDの2つのホテル認識データセットの改訂版を提案する。 再検討されたバージョンは、意図した現実世界のアプリケーションとの整合性を改善するために、さまざまなレベルの困難を伴う評価設定を提供する。
  論文  参考訳（メタデータ） (2022-07-20T21:38:19Z)
• One-Shot Object Affordance Detection in the Wild [76.46484684007706]
  Affordance Detectionは、画像内のオブジェクトの潜在的なアクション可能性を特定することを指す。 我々は、人間の行動目的を推定し、それを転送して、すべての候補画像から共通価格を検出するワンショットアフォーダンス検出ネットワーク(OSAD-Net)を考案する。 複雑なシーンと豊富なアノテーションによって、当社のPADv2データセットは、アベイランス検出メソッドをベンチマークするためのテストベッドとして使用することができます。
  論文  参考訳（メタデータ） (2021-08-08T14:53:10Z)
• In-Bed Person Monitoring Using Thermal Infrared Sensors [53.561797148529664]
  パナソニックグリッド(Panasonic Grid-EYE)は、低解像度の赤外線サーモパイルアレイセンサーで、よりプライバシーを提供する。 この目的のために、2つのデータセットが取得され、1つ (480 画像) は一定条件で、もう1つ (200 画像) は異なるバリエーションで取得された。 我々は、SVM(Support Vector Machines)、k-Nearest Neighbors(k-NN)、Neural Network(NN)の3つの機械学習アルゴリズムをテストする。
  論文  参考訳（メタデータ） (2021-07-16T15:59:07Z)
• Onfocus Detection: Identifying Individual-Camera Eye Contact from Unconstrained Images [81.64699115587167]
  Onfocus Detectionは、カメラが捉えた個人の焦点がカメラにあるかどうかを特定することを目的としている。 OnFocus Detection In the Wild (OFDIW) と呼ばれる大規模なオンフォーカス検出データセットを構築しました。 本研究では,視線干渉推論ネットワーク (ECIIN) を用いた眼球深度検出モデルを提案する。
  論文  参考訳（メタデータ） (2021-03-29T03:29:09Z)
• A leak in PRNU based source identification. Questioning fingerprint uniqueness [75.33542585238497]
  Photo Response Non-Uniformity (PRNU) は、画像ソース属性タスクにおいて最も効果的なトレースであると考えられている。 近年のデバイスは、PRNUノイズの識別性を低下させる非特異なアーティファクトを導入する可能性がある。 誤報率の主な原因は、特定のカメラモデル、ファームウェア、画像の内容に直接関連しないことを示す。
  論文  参考訳（メタデータ） (2020-09-10T14:18:38Z)
• Improving Object Detection with Selective Self-supervised Self-training [62.792445237541145]
  本研究では,Web画像を利用した人為的対象検出データセットの強化について検討する。 画像と画像の検索によりWebイメージを検索し、他の検索手法に比べて、キュレートされたデータからのドメインシフトが少なくなる。 画像分類のためのラベルのないデータを探索する2つの並列処理をモチベーションとした新しい学習手法を提案する。
  論文  参考訳（メタデータ） (2020-07-17T18:05:01Z)
• Device-based Image Matching with Similarity Learning by Convolutional Neural Networks that Exploit the Underlying Camera Sensor Pattern Noise [6.6602878519516135]
  本稿では,ある画像が同一のソースカメラを持つ可能性を定量化する2部ネットワークを提案する。 我々の知る限りでは、デバイスベースの画像マッチングの課題に対処する最初の人物である。 この研究はEUが支援する4NSEEKプロジェクトの一部であり、児童性的虐待に対する法医学に関するものである。
  論文  参考訳（メタデータ） (2020-04-23T20:03:40Z)

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。