論文の概要: Learning to Detect People on the Fly: A Bio-inspired Event-based Visual System for Drones

• arxiv url: http://arxiv.org/abs/2202.08023v1
• Date: Wed, 16 Feb 2022 12:36:31 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-17 21:56:19.836350
• Title: Learning to Detect People on the Fly: A Bio-inspired Event-based Visual System for Drones
• Title（参考訳）: 飛行中の人を検出する学習: ドローンのためのバイオインスパイアされたイベントベースのビジュアルシステム
• Authors: Ali Safa, Ilja Ocket, Andr\'e Bourdoux, Hichem Sahli, Francky Catthoor, Georges Gielen
• Abstract要約: 本研究では,SNN(Spike-Timeing-Dependent Plasticity, STDP)学習を応用した生体情報処理型スパイクニューラルネットワーク(SNN)が,網膜に触発されたイベントベースのカメラデータを用いて,飛行中の歩行者を検出することを連続的に学習可能であることを示す。
• 参考スコア（独自算出の注目度）: 6.505702431335025
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We demonstrate for the first time that a biologicallyplausible spiking neural network (SNN) equipped with Spike- Timing-Dependent Plasticity (STDP) learning can continuously learn to detect walking people on the fly using retina-inspired, event-based camera data. Our pipeline works as follows. First, a short sequence of event data (< 2 minutes), capturing a walking human from a flying drone, is shown to a convolutional SNNSTDP system which also receives teacher spiking signals from a convolutional readout (forming a semi-supervised system). Then, STDP adaptation is stopped and the learned system is assessed on testing sequences. We conduct several experiments to study the effect of key mechanisms in our system and we compare our precision-recall performance to conventionally-trained CNNs working with either RGB or event-based camera frames.
• Abstract（参考訳）: 本研究では,SNN(Spike-Timeing-Dependent Plasticity, STDP)学習を応用した生体情報処理型スパイクニューラルネットワーク(SNN)が,網膜に触発されたイベントベースのカメラデータを用いて,飛行中の歩行者を検出することを初めて実証した。 私たちのパイプラインは以下の通り機能します。 まず、飛行中のドローンから歩く人間を捕獲する短時間の出来事データ(<2分)を、畳み込み読み出し(半教師システムを形成する)から教師が吐き出す信号を受信する畳み込みSNNSTDPシステムに示す。 そして、STDP適応を停止し、テストシーケンスに基づいて学習システムを評価する。 我々は,システムにおけるキー機構の効果を調べるためにいくつかの実験を行い,RGBまたはイベントベースのカメラフレームで動作する従来の訓練済みCNNと比較した。

関連論文リスト

• Battle of the Backbones: A Large-Scale Comparison of Pretrained Models across Computer Vision Tasks [139.3768582233067]
  Battle of the Backbones (BoB)は、ニューラルネットワークベースのコンピュータビジョンシステムのためのベンチマークツールである。 視覚変換器(ViT)と自己教師型学習(SSL)がますます人気になっている。 同じアーキテクチャと同じようなサイズの事前トレーニングデータセット上でのアップルとアプリケーションの比較では、SSLバックボーンは極めて競争力があることが分かりました。
  論文  参考訳（メタデータ） (2023-10-30T18:23:58Z)
• Defect Classification in Additive Manufacturing Using CNN-Based Vision Processing [76.72662577101988]
  本稿では、まず、畳み込みニューラルネットワーク(CNN)を用いて、画像データセットの欠陥をAMから第2に正確に分類し、発達した分類モデルにアクティブラーニング技術を適用する。 これにより、トレーニングデータやトレーニングデータの生成に必要なデータのサイズを削減できる、ヒューマン・イン・ザ・ループ機構の構築が可能になる。
  論文  参考訳（メタデータ） (2023-07-14T14:36:58Z)
• Human activity recognition using deep learning approaches and single frame cnn and convolutional lstm [0.0]
  我々は、ビデオから人間の行動を認識するために、単一のフレーム畳み込みニューラルネットワーク(CNN)と畳み込み長短期記憶という、深層学習に基づく2つのアプローチを探索する。 2つのモデルは、ベンチマークアクション認識データセットであるUCF50と、実験のために作成された別のデータセットでトレーニングされ、評価された。 どちらのモデルも精度は良いが、単一のフレームCNNモデルはUCF50データセットで99.8%の精度で畳み込みLSTMモデルより優れている。
  論文  参考訳（メタデータ） (2023-04-18T01:33:29Z)
• Convolutional Neural Networks for the classification of glitches in gravitational-wave data streams [52.77024349608834]
  我々は、高度LIGO検出器のデータから過渡ノイズ信号(グリッチ)と重力波を分類する。 どちらも、Gravity Spyデータセットを使用して、スクラッチからトレーニングされた、教師付き学習アプローチのモデルを使用します。 また、擬似ラベルの自動生成による事前学習モデルの自己教師型アプローチについても検討する。
  論文  参考訳（メタデータ） (2023-03-24T11:12:37Z)
• Fusing Event-based Camera and Radar for SLAM Using Spiking Neural Networks with Continual STDP Learning [7.667590910539249]
  本研究では、イベントベースのカメラと、ドローンナビゲーションのための周波数変調連続波(FMCW)レーダを融合した、第一種SLAMアーキテクチャを提案する。 各センサーはバイオインスパイアされたスパイキングニューラルネットワーク(SNN)によって処理され、連続的なスパイク・タイミング・依存塑性(STDP)学習を行う。 DVS-Radar SLAM手法のロバスト性を実証した。
  論文  参考訳（メタデータ） (2022-10-09T12:05:19Z)
• Drowsiness Detection Based On Driver Temporal Behavior Using a New Developed Dataset [1.8811803364757564]
  顔の特徴を自動的に抽出するためにYOLOv3 (You Look Only Once-version3) CNNを適用した。 そして、LSTMニューラルネットワークを用いて、あくびや点滅時間などのドライバーの時間行動を学ぶ。 以上の結果から,CNNとLSTMの併用による眠気検出と提案手法の有効性が示唆された。
  論文  参考訳（メタデータ） (2021-03-31T21:15:29Z)
• Activity Recognition with Moving Cameras and Few Training Examples: Applications for Detection of Autism-Related Headbanging [1.603589863010401]
  行動認識コンピュータビジョンアルゴリズムは、自閉症に関連する行動の存在を検出するために使用できる。 ヘッドバンジ検出に適用した場合のアクティビティ認識における現在の特徴表現技術の利点と限界を文書化します。 時間分散畳み込みニューラルネットワークを用いて,ホームビデオのヘッドバンジを検出するコンピュータビジョン分類器を作成する。
  論文  参考訳（メタデータ） (2021-01-10T05:37:05Z)
• SeCo: Exploring Sequence Supervision for Unsupervised Representation Learning [114.58986229852489]
  本稿では,空間的,シーケンシャル,時間的観点から,シーケンスの基本的および汎用的な監視について検討する。 私たちはContrastive Learning(SeCo)という特定の形式を導き出します。 SeCoは、アクション認識、未トリムアクティビティ認識、オブジェクト追跡に関する線形プロトコルにおいて、優れた結果を示す。
  論文  参考訳（メタデータ） (2020-08-03T15:51:35Z)
• Robust Visual Object Tracking with Two-Stream Residual Convolutional Networks [62.836429958476735]
  視覚追跡のための2ストリーム残差畳み込みネットワーク(TS-RCN)を提案する。 私たちのTS-RCNは、既存のディープラーニングベースのビジュアルトラッカーと統合することができます。 トラッキング性能をさらに向上するため、我々はResNeXtを特徴抽出バックボーンとして採用する。
  論文  参考訳（メタデータ） (2020-05-13T19:05:42Z)
• Event-based Robotic Grasping Detection with Neuromorphic Vision Sensor and Event-Stream Dataset [8.030163836902299]
  ニューロモルフィック・ビジョンは、小さくて若い研究コミュニティである。従来のフレームベースのコンピュータビジョンと比較すると、ニューロモルフィック・ビジョンは小さくて若い研究コミュニティである。 91個のオブジェクトからなるイベントストリームデータセットという,ロボットによる把握データセットを構築した。 リードが高周波でブリンクするため、Event-Streamデータセットは1kHzの高周波でアノテートされる。 我々は、角度学習問題を回帰ではなく分類として考慮した、検出を把握するためのディープニューラルネットワークを開発した。
  論文  参考訳（メタデータ） (2020-04-28T16:55:19Z)
• Training-free Monocular 3D Event Detection System for Traffic Surveillance [93.65240041833319]
  既存のイベント検出システムは、主に学習ベースであり、大量のトレーニングデータが利用可能な場合、十分なパフォーマンスを実現している。 現実のシナリオでは、十分なラベル付きトレーニングデータの収集は高価であり、時には不可能である。 本稿では,交通監視のためのトレーニング不要な単眼3Dイベント検出システムを提案する。
  論文  参考訳（メタデータ） (2020-02-01T04:42:57Z)

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。