論文の概要: YouTube-GDD: A challenging gun detection dataset with rich contextual
information
- arxiv url: http://arxiv.org/abs/2203.04129v1
- Date: Tue, 8 Mar 2022 14:55:10 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-09 15:11:39.446463
- Title: YouTube-GDD: A challenging gun detection dataset with rich contextual
information
- Title（参考訳）: YouTube-GDD: 豊富な文脈情報を備えた銃検出データセット
- Authors: Yongxiang Gu, Xingbin Liao and Xiaolin Qin
- Abstract要約: この研究は、YouTube Gun Detection dataset(YouTube-GDD)と呼ばれる新しい挑戦的なデータセットを提示している。
私たちのデータセットは、343の高精細度YouTubeビデオから収集され、5,000の精巧な画像が含まれており、そのうち16064の銃と9046の人が注釈付けされている。
銃検出のためのベースラインを構築するために,YouTube-GDD上でYOLOv5を評価し,関連する注釈情報の追加が銃検出に与える影響を解析した。
- 参考スコア（独自算出の注目度）: 5.956046069509441
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: An automatic gun detection system can detect potential gun-related violence
at an early stage that is of paramount importance for citizens security. In the
whole system, object detection algorithm is the key to perceive the environment
so that the system can detect dangerous objects such as pistols and rifles.
However, mainstream deep learning-based object detection algorithms depend
heavily on large-scale high-quality annotated samples, and the existing gun
datasets are characterized by low resolution, little contextual information and
little data volume. To promote the development of security, this work presents
a new challenging dataset called YouTube Gun Detection Dataset (YouTube-GDD).
Our dataset is collected from 343 high-definition YouTube videos and contains
5000 well-chosen images, in which 16064 instances of gun and 9046 instances of
person are annotated. Compared to other datasets, YouTube-GDD is "dynamic",
containing rich contextual information and recording shape changes of the gun
during shooting. To build a baseline for gun detection, we evaluate YOLOv5 on
YouTube-GDD and analyze the influence of additional related annotated
information on gun detection. YouTube-GDD and subsequent updates will be
released at https://github.com/UCAS-GYX/YouTube-GDD.
- Abstract（参考訳）: 自動銃検知システムは、市民の安全にとって最重要となる早期の銃関連暴力を検出することができる。
システム全体では、ピストルやライフルなどの危険な物体をシステムが検出できるように、物体検出アルゴリズムが環境を知覚する鍵となる。
しかし、主流のディープラーニングに基づくオブジェクト検出アルゴリズムは、大規模な高品質な注釈付きサンプルに大きく依存しており、既存の銃のデータセットは解像度が低く、文脈情報がほとんどなく、データ量が少ない。
セキュリティの発展を促進するために、この研究はYouTube Gun Detection Dataset (YouTube-GDD)と呼ばれる新しい挑戦的なデータセットを提示する。
私たちのデータセットは、343の高精細度YouTubeビデオから収集され、5,000の精巧な画像が含まれています。
他のデータセットと比較すると、youtube-gddは「ダイナミック」であり、射撃中に銃の形状変化を記録する。
銃検出のベースラインを構築するために,youtube-gddのyolov5を評価し,銃検出に対する付加的な注釈情報の影響を分析する。
YouTube-GDD以降のアップデートはhttps://github.com/UCAS-GYX/YouTube-GDDで公開される。
関連論文リスト
- DeMamba: AI-Generated Video Detection on Million-Scale GenVideo Benchmark [38.604684882464944]
我々は,AIが生成した最初のビデオ検出データセットであるGenVideoを紹介する。
大量のビデオがあり、その中にはAIが生成し、実際のビデオが100万本以上含まれている。
我々はデテール・マンバ(Detail Mamba)というプラグイン・アンド・プレイ・モジュールを導入し、AI生成ビデオを特定して検出器を強化する。
論文 参考訳（メタデータ） (2024-05-30T05:36:12Z) - Active shooter detection and robust tracking utilizing supplemental
synthetic data [6.719034568121972]
米国における銃暴力は、公共の安全を改善するシステムの開発に焦点をあてている。
1つのアプローチは、乱射事件の予防または緩和に役立つシューターを検出し、追跡することである。
我々は、銃だけでなく、射撃者全体を検出することを提案し、追跡の堅牢性を改善することを可能にした。
論文 参考訳（メタデータ） (2023-09-06T21:58:58Z) - Learning to Identify Critical States for Reinforcement Learning from
Videos [55.75825780842156]
優れたポリシに関するアルゴリズム情報は、実行されたアクションに関する明示的な情報を持たないオフラインデータから抽出することができる。
例えば、人間やロボットのビデオは、アクションシーケンスに対する報酬に関する暗黙の情報を多く伝達することができる。
このようなビデオを見て利益を得たいDRLマシンは、まず、関連する状態/アクション/リワードを識別し、認識するために、自分で学習する必要がある。
論文 参考訳（メタデータ） (2023-08-15T14:21:24Z) - CCTV-Gun: Benchmarking Handgun Detection in CCTV Images [59.24281591714385]
銃の暴力は重要なセキュリティ問題であり、コンピュータビジョンコミュニティが効果的な銃検出アルゴリズムを開発することが必須である。
実際のCCTV画像から銃を検出することは、未だに困難で未調査の課題である。
我々は,実世界のCCTV画像における拳銃検出の課題に対処するベンチマーク「textbfCCTV-Gun」を提案する。
論文 参考訳（メタデータ） (2023-03-19T16:17:35Z) - QVHighlights: Detecting Moments and Highlights in Videos via Natural
Language Queries [89.24431389933703]
Query-based Video Highlights (QVHighlights) データセットを提示する。
これは1万本以上のYouTubeビデオで構成され、幅広いトピックをカバーしている。
データセット内の各ビデオには、(1)人書き自由形式のNLクエリ、(2)クエリに関するビデオw.r.t.の関連モーメント、(3)クエリに関連するすべてのクリップに対する5ポイントスケールのサリエンシスコアが注釈付けされている。
論文 参考訳（メタデータ） (2021-07-20T16:42:58Z) - A Gun Detection Dataset and Searching for Embedded Device Solutions [1.2149550080095914]
我々は,51Kのアノテートガン画像と,51Kのトリミングガンチップ画像を用いた銃分類データセットを公表した。
我々の知る限り、これは銃検出研究の最大のデータセットである。
また,組込みエッジデバイス(カメラ)における銃検出ソリューションの探索や,クラウドサーバ上での銃・銃の分類についても検討した。
論文 参考訳（メタデータ） (2021-05-03T17:58:45Z) - Few-Shot Video Object Detection [70.43402912344327]
本稿では,Few-Shot Video Object Detection (FSVOD) を紹介する。
fsvod-500は500のクラスからなり、各カテゴリーにクラスバランスのビデオがある。
私達のTPNおよびTMN+は共同およびエンドツーエンドの訓練されます。
論文 参考訳（メタデータ） (2021-04-30T07:38:04Z) - Few-Shot Learning for Video Object Detection in a Transfer-Learning
Scheme [70.45901040613015]
ビデオ物体検出のための数発学習の新たな課題について検討する。
我々は,多数のベースクラスオブジェクトに対して映像物体検出を効果的に訓練するトランスファー学習フレームワークと,ノベルクラスオブジェクトのいくつかのビデオクリップを用いる。
論文 参考訳（メタデータ） (2021-03-26T20:37:55Z) - Concealed Object Detection [140.98738087261887]
隠蔽物体検出(COD)に関する最初の体系的研究を紹介します。
CODは、背景に「完全に」埋め込まれているオブジェクトを特定することを目指しています。
このタスクをより理解するために、cod10kと呼ばれる大規模なデータセットを収集します。
論文 参考訳（メタデータ） (2021-02-20T06:49:53Z) - Sound of Guns: Digital Forensics of Gun Audio Samples meets Artificial
Intelligence [0.7734726150561086]
本稿では,マイクロホンとシューターの相対的な位置を全く意識せず,記録装置の知識をゼロにする新しい手法を提案する。
われわれのソリューションは、銃のカテゴリ、口径、モデルを特定し、3655サンプルからなるデータセット上で90%以上の精度に達する。
論文 参考訳（メタデータ） (2020-04-15T09:12:45Z)
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。