論文の概要: Radio-Assisted Human Detection

• arxiv url: http://arxiv.org/abs/2112.08743v1
• Date: Thu, 16 Dec 2021 09:53:41 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-17 15:50:22.395586
• Title: Radio-Assisted Human Detection
• Title（参考訳）: 無線支援人間検出
• Authors: Chengrun Qiu, Dongheng Zhang, Yang Hu, Houqiang Li, Qibin Sun, Yan Chen
• Abstract要約: 本稿では,無線情報を最先端検出手法に組み込んだ無線支援人体検知フレームワークを提案する。 我々は、人検出を支援するために、無線信号から無線の局部化と識別情報を抽出する。 シミュレーション可能なMicrosoft COCOデータセットとCaltechの歩行者データセットの実験では、平均平均精度(mAP)とミスレートが、無線情報を用いて改善できることが示されている。
• 参考スコア（独自算出の注目度）: 61.738482870059805
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we propose a radio-assisted human detection framework by incorporating radio information into the state-of-the-art detection methods, including anchor-based onestage detectors and two-stage detectors. We extract the radio localization and identifer information from the radio signals to assist the human detection, due to which the problem of false positives and false negatives can be greatly alleviated. For both detectors, we use the confidence score revision based on the radio localization to improve the detection performance. For two-stage detection methods, we propose to utilize the region proposals generated from radio localization rather than relying on region proposal network (RPN). Moreover, with the radio identifier information, a non-max suppression method with the radio localization constraint has also been proposed to further suppress the false detections and reduce miss detections. Experiments on the simulative Microsoft COCO dataset and Caltech pedestrian datasets show that the mean average precision (mAP) and the miss rate of the state-of-the-art detection methods can be improved with the aid of radio information. Finally, we conduct experiments in real-world scenarios to demonstrate the feasibility of our proposed method in practice.
• Abstract（参考訳）: 本稿では,アンカーベース1段検出器と2段検出器を含む最先端検出手法に,無線情報を取り入れた無線支援人体検知フレームワークを提案する。 無線信号から無線の局部化と識別情報を抽出して人検出を支援するため, 偽陽性や偽陰性の問題を大幅に軽減できる。 両検出器において,無線位置化に基づく信頼度スコアリビジョンを用いて検出性能を向上する。 2段階検出法では,地域提案ネットワーク(RPN)に頼るのではなく,無線の局部化から発生する領域提案を利用する。 さらに, 無線識別情報を用いて, 誤り検出をさらに抑制し, 誤り検出を減らすために, 無線位置制約付き非最大抑制法も提案されている。 シミュレーション可能なMicrosoft COCOデータセットとCaltechの歩行者データセットの実験では、平均平均精度(mAP)と最先端検出手法のミスレートが、無線情報を用いて改善できることが示されている。 最後に,実世界のシナリオで実験を行い,提案手法の有効性を実証する。

関連論文リスト

• Radio U-Net: a convolutional neural network to detect diffuse radio sources in galaxy clusters and beyond [0.0]
  拡散源の電波干渉画像は画像分割作業の課題を示す。 U-Netアーキテクチャに基づく完全畳み込みニューラルネットワークであるRadio U-Netを紹介する。 Radio U-Netは、ラジオサーベイで暗く拡張されたソースを検出するように設計されている。
  論文  参考訳（メタデータ） (2024-08-20T14:03:21Z)
• Utilizing Machine Learning for Signal Classification and Noise Reduction in Amateur Radio [0.0]
  アマチュア無線の分野では、信号の効果的な分類とノイズの緩和が信頼性の高い通信を確保する上で重要な役割を担っている。 従来の信号分類とノイズ低減の手法は、しばしば手動の介入と事前定義されたしきい値に依存する。 アマチュア無線における信号分類と雑音低減のための機械学習手法の適用について検討する。
  論文  参考訳（メタデータ） (2024-02-15T18:49:05Z)
• Towards Generalizable Deepfake Detection by Primary Region Regularization [52.41801719896089]
  本稿では,新しい正規化の観点から一般化能力を高める。 本手法は, 一次領域マップの静的な位置決めと, 一次領域マスクの動的利用の2段階からなる。 5つのバックボーンを持つDFDC,DF-1.0,Celeb-DFの3種類のディープフェイクデータセットについて広範な実験を行った。
  論文  参考訳（メタデータ） (2023-07-24T05:43:34Z)
• A Deep Learning Approach for Generating Soft Range Information from RF Data [29.827191184889898]
  ソフトレンジ情報(SRI)は、高精度なローカライゼーションのための有望な代替手段を提供する。 RF計測から正確なSRIを生成するための深層学習手法を提案する。
  論文  参考訳（メタデータ） (2023-05-23T10:33:52Z)
• The role of noise in denoising models for anomaly detection in medical images [62.0532151156057]
  病理脳病変は脳画像に多彩な外観を示す。 正規データのみを用いた教師なし異常検出手法が提案されている。 空間分解能の最適化と雑音の大きさの最適化により,異なるモデル学習体制の性能が向上することを示す。
  論文  参考訳（メタデータ） (2023-01-19T21:39:38Z)
• Mitigating the Mutual Error Amplification for Semi-Supervised Object Detection [92.52505195585925]
  擬似ラベルの修正機構を導入し,相互誤りの増幅を緩和するクロス・インストラクション(CT)手法を提案する。 他の検出器からの予測を直接擬似ラベルとして扱う既存の相互指導法とは対照的に,我々はラベル修正モジュール(LRM)を提案する。
  論文  参考訳（メタデータ） (2022-01-26T03:34:57Z)
• RadArnomaly: Protecting Radar Systems from Data Manipulation Attacks [40.736632681576786]
  本稿では,レーダシステムデータストリーム中の異常を検出するためのディープラーニングに基づく手法を提案する。 提案手法により,データストリーム内のクリティカルフィールドの不正な操作を検出することができる。 実験では,様々なデータストリーム操作攻撃に対して高い検出精度を示す。
  論文  参考訳（メタデータ） (2021-06-13T19:16:37Z)
• Representative Forgery Mining for Fake Face Detection [52.896286647898386]
  ディテクタの精緻化と注目の拡大を導くための注意ベースのデータ拡張フレームワークを提案します。 提案手法は,トップnのセンシティブな顔領域を追跡し,検出者に対して,以前無視された領域にさらに深く掘り下げて,より代表的な偽造を行うように促す。
  論文  参考訳（メタデータ） (2021-04-14T03:24:19Z)
• Sequential Drift Detection in Deep Learning Classifiers [4.022057598291766]
  ニューラルネットワーク埋め込みを用いて、適切な逐次決定フレームワーク内でドリフト検出を定式化することにより、データのドリフトを検出する。 本稿では,この2つの関心事のバランスをとるアルゴリズムの能力を評価する損失関数を提案する。
  論文  参考訳（メタデータ） (2020-07-31T14:46:21Z)
• Optimally Displaced Threshold Detection for Discriminating Binary Coherent States Using Imperfect Devices [50.09039506170243]
  雑音や不完全な装置を用いた現実的な状況下で、最適変位しきい値検出(ODTD)を有する一般化されたケネディ受信機の性能を解析的に検討する。 提案アルゴリズムは,既存の手法よりも低次かつスムーズな誤り確率が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-21T21:52:29Z)

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。