論文の概要: Fight Detection from Still Images in the Wild
- arxiv url: http://arxiv.org/abs/2111.08370v1
- Date: Tue, 16 Nov 2021 11:16:11 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-17 15:03:57.184098
- Title: Fight Detection from Still Images in the Wild
- Title（参考訳）: 野生の静止画像からの戦闘検出
- Authors: \c{S}eymanur Akt{\i}, Ferda Ofli, Muhammad Imran, Haz{\i}m Kemal
Ekenel
- Abstract要約: そこで本稿では,戦闘行動の現実的なイメージを含む,ソーシャルメディア・ファイト・イメージ(SMFI)という新しいデータセットを提案する。
テストは、他のコンピュータビジョン問題と同様に、戦闘認識問題に対するデータセットバイアスが存在することを示している。
- 参考スコア（独自算出の注目度）: 13.95888515102339
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Detecting fights from still images shared on social media is an important
task required to limit the distribution of violent scenes in order to prevent
their negative effects. For this reason, in this study, we address the problem
of fight detection from still images collected from the web and social media.
We explore how well one can detect fights from just a single still image. We
also propose a new dataset, named Social Media Fight Images (SMFI), comprising
real-world images of fight actions. Results of the extensive experiments on the
proposed dataset show that fight actions can be recognized successfully from
still images. That is, even without exploiting the temporal information, it is
possible to detect fights with high accuracy by utilizing appearance only. We
also perform cross-dataset experiments to evaluate the representation capacity
of the collected dataset. These experiments indicate that, as in the other
computer vision problems, there exists a dataset bias for the fight recognition
problem. Although the methods achieve close to 100% accuracy when trained and
tested on the same fight dataset, the cross-dataset accuracies are
significantly lower, i.e., around 70% when more representative datasets are
used for training. SMFI dataset is found to be one of the two most
representative datasets among the utilized five fight datasets.
- Abstract（参考訳）: ソーシャルメディア上で共有された静止画像から戦闘を検出することは、その悪影響を防ぐために暴力シーンの分布を制限するために重要な課題である。
そこで本研究では,webおよびソーシャルメディアから収集した静止画像からの戦い検出の問題に対処する。
我々は、静止画1枚から戦いを検知する能力について検討する。
また,smfi(social media fight images)という,実世界の戦闘行動の画像を含む新しいデータセットを提案する。
提案するデータセットを用いた広範な実験の結果,静止画像から戦闘行動が認識できることがわかった。
すなわち、時間的情報を活用することなく、外観のみを活用して高精度に戦闘を検出することができる。
また,収集したデータセットの表現能力を評価するために,データセット間実験を行った。
これらの実験は、他のコンピュータビジョン問題と同様に、戦闘認識問題に対するデータセットバイアスが存在することを示している。
この手法は、同じ戦闘データセット上でトレーニングおよびテストされた場合、100%近い精度を達成するが、クロスデータセットのアキュラシーは、トレーニングにより多くの代表的データセットを使用する場合、約70%低下する。
SMFIデータセットは、使用した5つの戦闘データセットのうち、最も代表的な2つのデータセットの1つである。
関連論文リスト
- 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) - CLIPC8: Face liveness detection algorithm based on image-text pairs and
contrastive learning [3.90443799528247]
画像テキストペアとコントラスト学習に基づく顔の生存度検出手法を提案する。
提案手法は,特定のシナリオにおいて,特定の生きた攻撃行動を効果的に検出することができる。
また、印刷写真攻撃やスクリーンリメイク攻撃などの従来の生きた攻撃方法の検出にも有効である。
論文 参考訳（メタデータ） (2023-11-29T12:21:42Z) - Semi-Supervised Image Captioning by Adversarially Propagating Labeled
Data [95.0476489266988]
本稿では、画像キャプションモデルの一般化を改善するための、新しいデータ効率半教師付きフレームワークを提案する。
提案手法は,キャプタにペアデータから学習し,段階的に未ペアデータの関連付けを行うよう訓練する。
1)画像ベースと(2)高密度領域ベースキャプションデータセットの両方を総合的かつ包括的な実験結果とし,それに続いて,少ないペアリングデータセットの包括的分析を行った。
論文 参考訳（メタデータ） (2023-01-26T15:25:43Z) - Mitigating Representation Bias in Action Recognition: Algorithms and
Benchmarks [76.35271072704384]
ディープラーニングモデルは、稀なシーンやオブジェクトを持つビデオに適用すると、パフォーマンスが悪くなります。
この問題にはアルゴリズムとデータセットの2つの異なる角度から対処する。
偏りのある表現は、他のデータセットやタスクに転送するとより一般化できることを示す。
論文 参考訳（メタデータ） (2022-09-20T00:30:35Z) - Stereoscopic Universal Perturbations across Different Architectures and
Datasets [60.021985610201156]
本研究では,画像の逆摂動が不均一性推定タスクの深部ステレオマッチングネットワークに与える影響について検討する。
本稿では,データセット内の任意のステレオ画像対に追加されると,ステレオネットワークを騙すことのできる,単一の摂動セットを構築する方法を提案する。
我々の摂動は、最先端のステレオネットワークのD1エラーを1%から87%に増やすことができる。
論文 参考訳（メタデータ） (2021-12-12T02:11:31Z) - Free Lunch for Co-Saliency Detection: Context Adjustment [14.688461235328306]
市販のサリエンシ検出データセットからの画像を利用して新しいサンプルを合成する「コストフリー」グループカットペースト(GCP)手順を提案する。
我々は、Context Adjustment Trainingと呼ばれる新しいデータセットを収集します。データセットの2つのバリエーション、すなわち、CATとCAT+は、それぞれ16,750と33,500の画像で構成されています。
論文 参考訳（メタデータ） (2021-08-04T14:51:37Z) - Deception Detection in Videos using the Facial Action Coding System [4.641678530055641]
本研究では,深層学習モデルの学習パラメータとして使用する顔行動符号化システムを用いて,顔行動単位を抽出する。
実生活実験データセットを用いてトレーニングした長寿命記憶(LSTM)を特に用いた。
また、Real-lifeトライアルデータセット、Silesian Deceptionデータセット、Bag-of-lies Deceptionデータセットを使用して、クロスデータセット検証も行った。
論文 参考訳（メタデータ） (2021-05-28T08:10:21Z) - Stereo Matching by Self-supervision of Multiscopic Vision [65.38359887232025]
カメラ位置の整列で撮影した複数の画像を利用したステレオマッチングのための新しい自己監視フレームワークを提案する。
ネットワークを最適化するために、クロスフォトメトリックロス、不確実性を認識した相互監督損失、および新しい平滑性損失が導入されます。
我々のモデルは、KITTIデータセット上の以前の教師なし手法よりも、より良い不均一性マップを得る。
論文 参考訳（メタデータ） (2021-04-09T02:58:59Z) - Defense-friendly Images in Adversarial Attacks: Dataset and Metrics for
Perturbation Difficulty [28.79528737626505]
データセットバイアスは、敵機械学習、特に防衛評価における問題である。
本稿では,攻撃に対する耐性と,敵攻撃時のランダム画像よりも良好な回復性を有する頑健な画像群を初めて報告する。
本稿では,データセット内のロバストな画像の割合を決定するための3つの指標を提案し,データセットのバイアスを決定するためのスコアを提供する。
論文 参考訳（メタデータ） (2020-11-05T06:21:24Z) - Deep Traffic Sign Detection and Recognition Without Target Domain Real
Images [52.079665469286496]
本稿では,ターゲットドメインからの実際の画像を必要としない新しいデータベース生成手法と,(ii)交通標識のテンプレートを提案する。
この方法は、実際のデータでトレーニングを克服することではなく、実際のデータが利用できない場合に互換性のある代替手段になることを目的としている。
大規模なデータセットでは、完全に合成されたデータセットによるトレーニングは、実際のデータセットとトレーニングのパフォーマンスにほぼ一致する。
論文 参考訳（メタデータ） (2020-07-30T21:06:47Z) - The MAMe Dataset: On the relevance of High Resolution and Variable Shape
image properties [0.0]
我々は,高分解能および可変形状特性を有する画像分類データセットであるMAMeデータセットを紹介する。
MAMeデータセットには、3つの異なる博物館から何千ものアートワークが含まれている。
論文 参考訳（メタデータ） (2020-07-27T17:13:14Z)
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。