論文の概要: Detection of Abnormal Behavior with Self-Supervised Gaze Estimation
- arxiv url: http://arxiv.org/abs/2107.06530v1
- Date: Wed, 14 Jul 2021 07:58:59 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-15 14:22:16.970114
- Title: Detection of Abnormal Behavior with Self-Supervised Gaze Estimation
- Title(参考訳): 自己監督型迷路推定による異常行動の検出
- Authors: Suneung-Kim, Seong-Whan Lee
- Abstract要約: 本稿では,視線推定を用いた単一のビデオ会議ソリューションを提案する。
ガゼは人間の行動分析などのタスクにとって重要なキューである。
ビデオ会議参加者の異常行動を検出するために,これらの視線推定手法を用いた。
- 参考スコア(独自算出の注目度): 23.390446907674324
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Due to the recent outbreak of COVID-19, many classes, exams, and meetings
have been conducted non-face-to-face. However, the foundation for video
conferencing solutions is still insufficient. So this technology has become an
important issue. In particular, these technologies are essential for
non-face-to-face testing, and technology dissemination is urgent. In this
paper, we present a single video conferencing solution using gaze estimation in
preparation for these problems. Gaze is an important cue for the tasks such as
analysis of human behavior. Hence, numerous studies have been proposed to solve
gaze estimation using deep learning, which is one of the most prominent methods
up to date. We use these gaze estimation methods to detect abnormal behavior of
video conferencing participants. Our contribution is as follows. i) We find and
apply the optimal network for the gaze estimation method and apply a
self-supervised method to improve accuracy. ii) For anomaly detection, we
present a new dataset that aggregates the values of a new gaze, head pose, etc.
iii) We train newly created data on Multi Layer Perceptron (MLP) models to
detect anomaly behavior based on deep learning. We demonstrate the robustness
of our method through experiments.
- Abstract(参考訳): 新型コロナウイルスの感染拡大に伴い、多くのクラス、試験、会議が対面で行われている。
しかし,ビデオ会議ソリューションの基礎はいまだ不十分である。
この技術は重要な問題になっています
特に、これらの技術は対面テストには不可欠であり、技術の普及は急務である。
本稿では,これらの問題に備えた視線推定を用いた単一のビデオ会議ソリューションを提案する。
視線は人間の行動の分析などのタスクにとって重要な手がかりである。
したがって,これまで最も顕著な手法の一つである深層学習を用いて視線推定を解くための研究が数多く提案されている。
これらの視線推定手法を用いて,ビデオ会議参加者の異常行動を検出する。
私たちの貢献は以下の通りです。
一) 視線推定法に最適なネットワークを見つけ, 適用し, 自己教師あり手法を適用し, 精度を向上させる。
二 異常検出のために、新しい視線、頭部のポーズ等の値を集約する新しいデータセットを提案する。
三 深層学習に基づく異常行動を検出するために、マルチレイヤパーセプトロン(MLP)モデルで新たに作成したデータを訓練する。
実験により本手法の頑健性を示す。
関連論文リスト
- Underwater Object Detection in the Era of Artificial Intelligence: Current, Challenge, and Future [119.88454942558485]
水中物体検出(UOD)は、水中の画像やビデオ中の物体を識別し、ローカライズすることを目的としている。
近年、人工知能(AI)に基づく手法、特に深層学習法は、UODにおいて有望な性能を示している。
論文 参考訳(メタデータ) (2024-10-08T00:25:33Z) - A Comprehensive Library for Benchmarking Multi-class Visual Anomaly Detection [52.228708947607636]
本稿では,新しい手法のモジュラーフレームワークであるADerを包括的視覚異常検出ベンチマークとして紹介する。
このベンチマークには、産業ドメインと医療ドメインからの複数のデータセットが含まれており、15の最先端メソッドと9つの包括的なメトリクスを実装している。
我々は,異なる手法の長所と短所を客観的に明らかにし,多クラス視覚異常検出の課題と今後の方向性について考察する。
論文 参考訳(メタデータ) (2024-06-05T13:40:07Z) - Low-cost Geometry-based Eye Gaze Detection using Facial Landmarks
Generated through Deep Learning [0.0937465283958018]
我々は、新しい顔のランドマーク検出ニューラルネットワークを利用して、顔と虹彩の正確な安定な3Dランドマークを生成する。
本手法は,1.9度未満の角度誤差で視線を予測できることを実証する。
論文 参考訳(メタデータ) (2023-12-31T05:45:22Z) - Understanding the Challenges and Opportunities of Pose-based Anomaly
Detection [2.924868086534434]
ポーズベースの異常検出(Pose-based anomaly detection)は、ビデオフレームから抽出された人間のポーズを調べることによって、異常な出来事や行動を検出するビデオ分析技術である。
本研究では、ポーズに基づく異常検出の難しさをよりよく理解するために、2つのよく知られたビデオ異常データセットの特徴を分析し、定量化する。
これらの実験は、ポーズベースの異常検出と現在利用可能なデータセットをより理解する上で有益であると考えています。
論文 参考訳(メタデータ) (2023-03-09T18:09:45Z) - Towards an Awareness of Time Series Anomaly Detection Models'
Adversarial Vulnerability [21.98595908296989]
本研究では,センサデータに小さな対向摂動のみを加えることで,最先端の異常検出手法の性能を著しく劣化させることを実証した。
いくつかのパブリックデータセットとプライベートデータセットに対して、予測エラー、異常、分類スコアなど、さまざまなスコアを使用する。
敵攻撃に対する異常検出システムの脆弱性を初めて実証した。
論文 参考訳(メタデータ) (2022-08-24T01:55:50Z) - Unsupervised deep learning techniques for powdery mildew recognition
based on multispectral imaging [63.62764375279861]
本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。
マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。
本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
論文 参考訳(メタデータ) (2021-12-20T13:29:13Z) - A Critical Study on the Recent Deep Learning Based Semi-Supervised Video
Anomaly Detection Methods [3.198144010381572]
本稿では,この分野の研究者を新たな視点に紹介し,最近の深層学習に基づく半教師付きビデオ異常検出手法についてレビューする。
私たちのゴールは、より効果的なビデオ異常検出方法の開発を支援することです。
論文 参考訳(メタデータ) (2021-11-02T14:00:33Z) - Few-Cost Salient Object Detection with Adversarial-Paced Learning [95.0220555274653]
本稿では,少数のトレーニング画像にのみ手動アノテーションを応用して,効果的なサルエント物体検出モデルを学習することを提案する。
我々は,このタスクを,少額の有能な物体検出とみなし,少数のコストの学習シナリオを促進するために,APL(Adversarialpaced Learning)ベースのフレームワークを提案する。
論文 参考訳(メタデータ) (2021-04-05T14:15:49Z) - Any-Shot Sequential Anomaly Detection in Surveillance Videos [36.24563211765782]
本稿では,トランスファーラーニングとノンショットラーニングを用いた監視ビデオのオンライン異常検出手法を提案する。
提案アルゴリズムは,トランスファー学習のためのニューラルネットワークモデルの特徴抽出能力と,統計的検出手法のノンショット学習能力を利用する。
論文 参考訳(メタデータ) (2020-04-05T02:15:45Z) - Anomalous Example Detection in Deep Learning: A Survey [98.2295889723002]
本調査は,ディープラーニングアプリケーションにおける異常検出の研究について,構造化された包括的概要を提供する。
既存の技術に対する分類法を,その基礎となる前提と採用アプローチに基づいて提案する。
本稿では,DLシステムに異常検出技術を適用しながら未解決の研究課題を取り上げ,今後の課題について述べる。
論文 参考訳(メタデータ) (2020-03-16T02:47:23Z) - Self-trained Deep Ordinal Regression for End-to-End Video Anomaly
Detection [114.9714355807607]
ビデオ異常検出に自己学習深層順序回帰を適用することで,既存の手法の2つの重要な限界を克服できることを示す。
我々は,手動で正規/異常データをラベル付けすることなく,共同表現学習と異常スコアリングを可能にする,エンドツーエンドのトレーニング可能なビデオ異常検出手法を考案した。
論文 参考訳(メタデータ) (2020-03-15T08:44:55Z)
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。