論文の概要: Interpretable Feature Learning Framework for Smoking Behavior Detection
- arxiv url: http://arxiv.org/abs/2112.08178v1
- Date: Sun, 12 Dec 2021 11:05:35 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-17 08:13:00.264174
- Title: Interpretable Feature Learning Framework for Smoking Behavior Detection
- Title（参考訳）: 喫煙行動検出のための解釈可能な特徴学習フレームワーク
- Authors: Nakayiza Hellen and Ggaliwango Marvin
- Abstract要約: 深層学習VGG-16事前学習ネットワークを用いた喫煙行動検出のための解釈可能な特徴学習フレームワーク
また、雑草、シシャ、マリファナなど、他の喫煙可能な薬物も検出できる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Smoking in public has been proven to be more harmful to nonsmokers, making it
a huge public health concern with urgent need for proactive measures and
attention by authorities. With the world moving towards the 4th Industrial
Revolution, there is a need for reliable eco-friendly detective measures
towards this harmful intoxicating behavior to public health in and out of smart
cities. We developed an Interpretable feature learning framework for smoking
behavior detection which utilizes a Deep Learning VGG-16 pretrained network to
predict and classify the input Image class and a Layer-wise Relevance
Propagation (LRP) to explain the network detection or prediction of smoking
behavior based on the most relevant learned features or pixels or neurons. The
network's classification decision is based mainly on features located at the
mouth especially the smoke seems to be of high importance to the network's
decision. The outline of the smoke is highlighted as evidence for the
corresponding class. Some elements are seen as having a negative effect on the
smoke neuron and are consequently highlighted differently. It is interesting to
see that the network distinguishes important from unimportant features based on
the image regions. The technology can also detect other smokeable drugs like
weed, shisha, marijuana etc. The framework allows for reliable identification
of action-based smokers in unsafe zones like schools, shopping malls, bus
stops, railway compartments or other violated places for smoking as per the
government's regulatory health policies. With installation clearly defined in
smoking zones, this technology can detect smokers out of range.
- Abstract（参考訳）: 公共の場での喫煙は非喫煙者にとってより有害であることが証明されており、積極的な措置と当局の注意を緊急に必要とする公衆衛生上の大きな懸念となっている。
世界が第4次産業革命に向かっている中、スマートシティ内外における公衆衛生への有害な中毒行為に対して、信頼できるエコフレンドリーな刑事対策が必要である。
深層学習vgg-16を用いた喫煙行動検出のための解釈可能な特徴学習フレームワークを開発し,入力画像クラスと層間関連伝播(lrp)の予測と分類を行い,最も関連する学習特徴,ピクセル,ニューロンに基づいて喫煙行動のネットワーク検出と予測を行う。
ネットワークの分類決定は、主に口にある特徴に基づいており、特に煙はネットワークの決定にとって重要であると考えられる。
煙の輪郭は、対応する階級の証拠として強調される。
いくつかの要素は喫煙ニューロンに悪影響を及ぼし、結果として異なるハイライトを受ける。
ネットワークが画像領域に基づいて重要でない特徴と区別していることは興味深い。
この技術は、雑草、シシャ、マリファナなどの喫煙可能な薬物を検出できる。
この枠組みは、学校、ショッピングモール、バス停、鉄道区画などの安全でない地域での行動に基づく喫煙者の信頼性の高い識別を可能にする。
この技術は、喫煙ゾーンに明確に設定されているため、喫煙者を範囲外から検出することができる。
関連論文リスト
- Monocular Lane Detection Based on Deep Learning: A Survey [51.19079381823076]
車線検出は自律運転認識システムにおいて重要な役割を果たす。
ディープラーニングアルゴリズムが普及するにつれて、ディープラーニングに基づく単眼車線検出手法が優れた性能を示した。
本稿では, 成熟度の高い2次元車線検出手法と開発途上国の3次元車線検出技術の両方を網羅して, 既存手法の概要を概説する。
論文 参考訳（メタデータ） (2024-11-25T12:09:43Z) - SurANet: Surrounding-Aware Network for Concealed Object Detection via Highly-Efficient Interactive Contrastive Learning Strategy [55.570183323356964]
本稿では,隠蔽物体検出のための新しいSurrounding-Aware Network,すなわちSurANetを提案する。
周辺特徴の差分融合を用いて特徴写像のセマンティクスを強化し,隠蔽対象の強調を行う。
次に、周囲の特徴写像を対照的に学習することで隠蔽対象を識別するために、周囲のコントラストロスを適用した。
論文 参考訳（メタデータ） (2024-10-09T13:02:50Z) - Application-Driven AI Paradigm for Hand-Held Action Detection [1.8531114735719274]
階層的物体検出に基づく手持ち動作検出のためのアプリケーション駆動型AIパラダイムを提案する。
提案手法は, 複雑な環境下での適応性やロバスト性を向上し, 高い検出率を実現する。
論文 参考訳（メタデータ） (2022-10-13T02:30:23Z) - Improving tobacco social contagion models using agent-based simulations
on networks [0.4511923587827302]
喫煙動態を研究するエージェントベースモデル(ABM)を開発した。
ABMは人工と現実世界の両方で6つの異なるネットワークでテストします。
この結果から,ネットワーク構造が完全に接続された場合のみ,ODEモデルからのダイナミクスがABMと類似していることが示唆された。
論文 参考訳（メタデータ） (2022-07-17T18:40:59Z) - A Bottom-up method Towards the Automatic and Objective Monitoring of
Smoking Behavior In-the-wild using Wrist-mounted Inertial Sensors [6.955421797534318]
タバコの消費量は世界的な流行率に達しており、死因や病気の主な原因となっている。
本稿では,喫煙行動の自動的・客観的モニタリングに向けた2段階のボトムアップアルゴリズムを提案する。
最初のステップでは、畳み込み層と反復層の両方を持つ人工ニューラルネットワークを用いて、個々の喫煙動作(即ちパフ)を検出する。
第2のステップでは,検出されたパフ密度を利用して,日中発生する喫煙セッションの時間的局所化を実現している。
論文 参考訳（メタデータ） (2021-09-08T07:50:47Z) - STCNet: Spatio-Temporal Cross Network for Industrial Smoke Detection [52.648906951532155]
本稿では,産業用煙排出ガスを識別する新しい時空間クロスネットワーク(STCNet)を提案する。
提案するSTCNetは, テクスチャの特徴を抽出する空間的特徴と, 煙の動き情報を捕捉する時間的経路を含む。
STCNetは、RISE産業煙検知データセットにおいて、最も優れた競合相手に対して6.2%の精度で明確な改善を実現していることを示す。
論文 参考訳（メタデータ） (2020-11-10T02:28:47Z) - Ventral-Dorsal Neural Networks: Object Detection via Selective Attention [51.79577908317031]
我々はVDNet(Ventral-Dorsal Networks)と呼ばれる新しいフレームワークを提案する。
人間の視覚システムの構造にインスパイアされた我々は「Ventral Network」と「Dorsal Network」の統合を提案する。
実験の結果,提案手法は最先端の物体検出手法よりも優れていることがわかった。
論文 参考訳（メタデータ） (2020-05-15T23:57:36Z) - WW-Nets: Dual Neural Networks for Object Detection [48.67090730174743]
ネットワーク接続重みの暗黙的なオブジェクト位置知識を用いて、オブジェクト検出タスクにおける選択的注意を誘導する、新しいディープ畳み込みニューラルネットワークフレームワークを提案する。
我々のアプローチはWhat-Where Nets (WW-Nets)と呼ばれ、人間の視覚経路の構造にインスパイアされている。
論文 参考訳（メタデータ） (2020-05-15T21:16:22Z) - Hold me tight! Influence of discriminative features on deep network
boundaries [63.627760598441796]
本稿では,データセットの特徴と,サンプルから決定境界までの距離を関連付ける新しい視点を提案する。
これにより、トレーニングサンプルの位置を慎重に調整し、大規模ビジョンデータセットでトレーニングされたCNNの境界における誘発された変化を測定することができる。
論文 参考訳（メタデータ） (2020-02-15T09:29:36Z) - State Transition Modeling of the Smoking Behavior using LSTM Recurrent
Neural Networks [0.2294014185517203]
本研究では,喫煙活動を認識するためのスマートウォッチセンサの利用に焦点を当てた。
状態遷移モデルとして, 喫煙行動の再構成を行ったところ, 100%に近い検出率の改善がみられた。
さらに,97%近い精度でジェスチャーのコンテキスト内検出を可能にするために,Long-Short-Term Memory (LSTM) ニューラルネットワークの利用を開始した。
論文 参考訳（メタデータ） (2020-01-07T15:06:28Z)
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。