論文の概要: Real-Time Trash Detection for Modern Societies using CCTV to Identifying Trash by utilizing Deep Convolutional Neural Network

• arxiv url: http://arxiv.org/abs/2109.09611v1
• Date: Mon, 20 Sep 2021 15:10:26 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-21 16:24:55.554456
• Title: Real-Time Trash Detection for Modern Societies using CCTV to Identifying Trash by utilizing Deep Convolutional Neural Network
• Title（参考訳）: 深部畳み込みニューラルネットワークを用いたCCTVを用いた現代社会のリアルタイムトラッシュ検出
• Authors: Syed Muhammad Raza, Syed Muhammad Ghazi Hassan, Syed Ali Hassa, Soo Young Shin
• Abstract要約: このプロジェクトは、畳み込みニューラルネットワーク(CNN)の深部モデルを用いたリアルタイムゴミ検知である。 このモデルは、CCTVカメラでリアルタイムでゴミを検出するために使用される。
• 参考スコア（独自算出の注目度）: 5.046831208137847
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: To protect the environment from trash pollution, especially in societies, and to take strict action against the red-handed people who throws the trash. As modern societies are developing and these societies need a modern solution to make the environment clean. Artificial intelligence (AI) evolution, especially in Deep Learning, gives an excellent opportunity to develop real-time trash detection using CCTV cameras. The inclusion of this project is real-time trash detection using a deep model of Convolutional Neural Network (CNN). It is used to obtain eight classes mask, tissue papers, shoppers, boxes, automobile parts, pampers, bottles, and juices boxes. After detecting the trash, the camera records the video of that person for ten seconds who throw trash in society. The challenging part of this paper is preparing a complex custom dataset that took too much time. The dataset consists of more than 2100 images. The CNN model was created, labeled, and trained. The detection time accuracy and average mean precision (mAP) benchmark both models' performance. In experimental phase the mAP performance and accuracy of the improved CNN model was superior in all aspects. The model is used on a CCTV camera to detect trash in real-time.
• Abstract（参考訳）: 環境を特に社会におけるゴミ汚染から保護し、ゴミを捨てる赤毛の人々に対して厳格な措置を講じる。 現代の社会が発展し、これらの社会は環境をきれいにするために現代的な解決策を必要としている。 人工知能(AI)の進化は、特にディープラーニングにおいて、CCTVカメラを使用してリアルタイムのゴミ検出を開発する素晴らしい機会を提供する。 このプロジェクトに含まれるのは,畳み込みニューラルネットワーク(CNN)の深層モデルを用いたリアルタイムゴミ検出である。 8種類のマスク、ティッシュペーパー、買い物客、箱、自動車部品、パンパー、ボトル、ジュースボックスを入手するために使用される。 ゴミを検知した後、カメラはその人のビデオを社会に捨てた10秒間記録する。 この論文の難しい部分は、あまりにも多くの時間を要する複雑なカスタムデータセットを作成することです。 データセットは2100以上の画像で構成されている。 CNNモデルは作成、ラベル付け、訓練された。 検出時間精度と平均平均精度(mAP)は両方のモデルのパフォーマンスをベンチマークする。 実験段階において, 改良型CNNモデルのmAP性能と精度は, すべてにおいて優れていた。 このモデルはCCTVカメラでリアルタイムでゴミを検出するために使用される。

関連論文リスト

• Zero-Shot Detection of AI-Generated Images [54.01282123570917]
  AI生成画像を検出するゼロショットエントロピー検出器(ZED)を提案する。 機械によるテキスト検出の最近の研究に触発された私たちのアイデアは、分析対象の画像が実際の画像のモデルと比較してどれだけ驚くかを測定することである。 ZEDは精度の点でSoTAよりも平均3%以上改善されている。
  論文  参考訳（メタデータ） (2024-09-24T08:46:13Z)
• pLitterStreet: Street Level Plastic Litter Detection and Mapping [0.0]
  本稿では, ごみごみとごみ箱の位置に着目し, 街路レベルごみのマッピング手法を提案する。 車両に搭載されたカメラで撮影した街路レベルの画像からごみやゴミを識別する深層学習技術を用いている。 提案手法で開発したオープンソースのデータセット(pLitterStreet)の詳細について述べる。
  論文  参考訳（メタデータ） (2024-01-26T08:59:48Z)
• The identification of garbage dumps in the rural areas of Cyprus through the application of deep learning to satellite imagery [0.0]
  本研究の目的は,キプロスの農村部における不法ゴミ捨て場を特定するために,人工知能技術がどの程度活用できるかを検討することである。 これには、ゴミを含むか含まないかのどちらかに分類される可能性のある、新しい画像のデータセットの収集が含まれていた。 ニューラルネットワークは、新しい画像におけるゴミの有無を認識するために訓練された。
  論文  参考訳（メタデータ） (2023-07-23T05:24:20Z)
• Adversarially-Aware Robust Object Detector [85.10894272034135]
  本稿では,ロバスト検出器 (RobustDet) を提案する。 本モデルは, クリーン画像の検出能力を維持しながら, 傾きを効果的に解き, 検出堅牢性を著しく向上させる。
  論文  参考訳（メタデータ） (2022-07-13T13:59:59Z)
• Neural Scene Representation for Locomotion on Structured Terrain [56.48607865960868]
  本研究では,都市環境を横断する移動ロボットの局所的な地形を再構築する学習手法を提案する。 搭載されたカメラとロボットの軌道からの深度測定のストリームを用いて、ロボットの近傍の地形を推定する。 ノイズ測定とカメラ配置の盲点からの大量の欠落データにもかかわらず,シーンを忠実に再構築する3次元再構成モデルを提案する。
  論文  参考訳（メタデータ） (2022-06-16T10:45:17Z)
• A Method for Waste Segregation using Convolutional Neural Networks [0.0]
  本稿では, 廃棄物分類の問題を解決するために, ディープラーニングアルゴリズムを用いた手法を提案する。 提案手法の精度は94.9%である。
  論文  参考訳（メタデータ） (2022-02-23T14:32:10Z)
• ZeroWaste Dataset: Towards Automated Waste Recycling [51.053682077915546]
  産業レベルの廃棄物検出・分別データセットZeroWasteについて述べる。 このデータセットには、実際の廃棄物処理工場から収集された1800以上のビデオフレームが含まれている。 最先端のセグメンテーション手法では,対象物を正しく検出・分類することが困難であることを示す。
  論文  参考訳（メタデータ） (2021-06-04T22:17:09Z)
• Where is my hand? Deep hand segmentation for visual self-recognition in humanoid robots [129.46920552019247]
  本稿では、画像からロボットの手を切り離すための畳み込みニューラルネットワーク(CNN)を提案する。 ヒューマノイドロボットVizzyの手のセグメンテーションのために,Mask-RCNNネットワークを微調整した。
  論文  参考訳（メタデータ） (2021-02-09T10:34:32Z)
• DeepWaste: Applying Deep Learning to Waste Classification for a Sustainable Planet [0.0]
  誤った廃棄物処理を減らそうとする試みは、高価で不正確で混乱している。 我々は,高度に最適化されたディープラーニング技術を利用して,廃棄物をゴミ,リサイクル,コンポストに即時分類するモバイルアプリDeepWasteを提案する。 我々の最良のモデルは、50層からなるディープラーニング残留ニューラルネットワークであり、テストセットの平均精度は0.881である。
  論文  参考訳（メタデータ） (2021-01-15T04:06:25Z)
• Comparative Analysis of Multiple Deep CNN Models for Waste Classification [0.0]
  このプロジェクトはよく知られたDeep Learning Networkアーキテクチャを、独自の取り組みとTrush Netを組み合わせたデータセットによる廃棄物分類でテストした。 ダストビンの形で作られたハードウェアは、それらの廃棄物を異なる区画に分離するために使用される。
  論文  参考訳（メタデータ） (2020-04-05T11:50:27Z)
• Reducing the Sim-to-Real Gap for Event Cameras [64.89183456212069]
  イベントカメラは、非同期でピクセルごとの明るさ変化を報告し、非並列の低レイテンシで「イベント」と呼ばれるパラダイムシフトする新しいセンサーである。 近年の研究では、コンボリューショナルニューラルネットワーク(CNN)を用いて、映像再構成とイベントによる光学的流れを実証している。 既存のビデオ再構成ネットワークの性能を20～40%向上させるイベントベースCNNのトレーニングデータ改善戦略を提案する。
  論文  参考訳（メタデータ） (2020-03-20T02:44:29Z)

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。