論文の概要: Hardware System Implementation for Human Detection using HOG and SVM Algorithm

• arxiv url: http://arxiv.org/abs/2205.02689v1
• Date: Thu, 5 May 2022 14:54:37 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-06 15:37:08.222351
• Title: Hardware System Implementation for Human Detection using HOG and SVM Algorithm
• Title（参考訳）: hogとsvmアルゴリズムを用いた人間検出のためのハードウェアシステム実装
• Authors: Van-Cam Nguyen, Hong-Tuan-Dinh Le, Huu-Thuan Huynh
• Abstract要約: 本稿では,ModelSimツールでシミュレーションしたヒューマン検出システムであるハードウェアのアーキテクチャについて述べる。 コプロセッサとして、このシステムはCPU(Central Processor Unit)へのオフロードとタイミングの高速化のために開発された。 その結果、このシステムの精度は84.35パーセントに達した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Human detection is a popular issue and has been widely used in many applications. However, including complexities in computation, leading to the human detection system implemented hardly in real-time applications. This paper presents the architecture of hardware, a human detection system that was simulated in the ModelSim tool. As a co-processor, this system was built to off-load to Central Processor Unit (CPU) and speed up the computation timing. The 130x66 RGB pixels of static input image attracted features and classify by using the Histogram of Oriented Gradient (HOG) algorithm and Support Vector Machine (SVM) algorithm, respectively. As a result, the accuracy rate of this system reaches 84.35 percent. And the timing for detection decreases to 0.757 ms at 50MHz frequency (54 times faster when this system was implemented in software by using the Matlab tool).
• Abstract（参考訳）: 人間検出は一般的な問題であり、多くのアプリケーションで広く使われている。 しかし、計算の複雑さを含むと、人間の検出システムはリアルタイムアプリケーションではほとんど実装されない。 本稿では,modelsimツールでシミュレートされた人間検出システムであるハードウェアのアーキテクチャについて述べる。 コプロセッサとして、このシステムは中央プロセッサユニット(cpu)へのオフロードと計算タイミングの高速化のために開発された。 静的入力画像の130x66 RGBピクセルは、向き付け勾配 (HOG) アルゴリズムのヒストグラムとサポートベクトルマシン (SVM) アルゴリズムを用いて特徴を抽出し分類した。 その結果、このシステムの精度は84.35パーセントに達した。 また,検出タイミングは50MHz帯で0.757ms(Matlabツールを用いてソフトウェアで実装した場合の54倍)に低下した。

関連論文リスト

• cuTN-QSVM: cuTensorNet-accelerated Quantum Support Vector Machine with cuQuantum SDK [17.80970950814512]
  本稿では,NVIDIA の cuQuantum SDK で実現される計算の進歩に着目し,量子支援ベクトルマシン (QSVM) の適用について検討する。 CuTensorNetは、NVIDIA A100 GPUで数秒で完了するシミュレーションをスピードアップする。 我々のQSVMは、100以上のインスタンスをトレーニングするためのMNISTデータセット内の挑戦的な分類を最大95%達成し、古典的なSVMの能力を上回っています。
  論文  参考訳（メタデータ） (2024-05-04T10:37:01Z)
• Implementation of a perception system for autonomous vehicles using a detection-segmentation network in SoC FPGA [0.0]
  我々は,MultiTaskV3検出セグメンテーションネットワークを,単一アーキテクチャ内で両方の機能を実現する知覚システムの基礎として用いている。 システム全体の電力消費はCPUベースの実装に比べて比較的少ない。 また、オブジェクト検出のmAPの97%以上、画像分割のmIoUの90%以上を達成している。
  論文  参考訳（メタデータ） (2023-07-17T17:44:18Z)
• FMM-X3D: FPGA-based modeling and mapping of X3D for Human Action Recognition [10.385864925381384]
  本稿では,人間行動認識の最先端モデルであるX3DをFPGAデバイスにマッピングする問題に対処する。 提案するツールフローは,FPGAデバイスの利用可能なリソースとオフチップメモリ特性を考慮した最適化ストリームベースハードウェアシステムを生成する。
  論文  参考訳（メタデータ） (2023-05-29T11:17:51Z)
• Agile gesture recognition for capacitive sensing devices: adapting on-the-job [55.40855017016652]
  本システムでは, コンデンサセンサからの信号を手の動き認識器に組み込んだ手動作認識システムを提案する。 コントローラは、着用者5本の指それぞれからリアルタイム信号を生成する。 機械学習技術を用いて時系列信号を解析し,500ms以内で5本の指を表現できる3つの特徴を同定する。
  論文  参考訳（メタデータ） (2023-05-12T17:24:02Z)
• MLGWSC-1: The first Machine Learning Gravitational-Wave Search Mock Data Challenge [110.7678032481059]
  第1回機械学習重力波探索モックデータチャレンジ(MLGWSC-1)の結果を示す。 この課題のために、参加するグループは、より現実的な雑音に埋め込まれた複雑さと持続期間が増大する二元ブラックホールの融合から重力波信号を特定する必要があった。 この結果から,現在の機械学習検索アルゴリズムは,限られたパラメータ領域においてすでに十分敏感である可能性が示唆された。
  論文  参考訳（メタデータ） (2022-09-22T16:44:59Z)
• Hardware architecture for high throughput event visual data filtering with matrix of IIR filters algorithm [0.0]
  ニューロモルフィック・ビジョンは、自動運転車の知覚システムに多くの応用がある、急速に成長する分野である。 センサの動作原理のため、イベントストリームにはかなりのノイズがあります。 本稿では、このタイプのノイズをフィルタするIIRフィルタ行列と、その加速度を許容するハードウェアアーキテクチャに基づく新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-07-02T15:18:53Z)
• Real-time HOG+SVM based object detection using SoC FPGA for a UHD video stream [0.0]
  本稿では、HOG(Histogram of Oriented Gradients)特徴抽出とSVM(Support Vector Machine)分類を用いた、よく知られた歩行者検出器のリアルタイム実装について述べる。 このシステムは、歩行者を単一のスケールで検出することができる。
  論文  参考訳（メタデータ） (2022-04-22T10:29:21Z)
• FPGA-optimized Hardware acceleration for Spiking Neural Networks [69.49429223251178]
  本研究は,画像認識タスクに適用したオフライントレーニングによるSNN用ハードウェアアクセラレータの開発について述べる。 この設計はXilinx Artix-7 FPGAをターゲットにしており、利用可能なハードウェアリソースの40%を合計で使用している。 分類時間を3桁に短縮し、ソフトウェアと比較すると精度にわずか4.5%の影響を与えている。
  論文  参考訳（メタデータ） (2022-01-18T13:59:22Z)
• Providing Meaningful Data Summarizations Using Examplar-based Clustering in Industry 4.0 [67.80123919697971]
  我々は,従来のCPUアルゴリズムと比較して,一精度で最大72倍,半精度で最大452倍の高速化を実現していることを示す。 提案アルゴリズムは射出成形プロセスから得られた実世界のデータに適用し, 得られたサマリーが, コスト削減と不良部品製造の削減のために, この特定のプロセスのステアリングにどのように役立つかについて議論する。
  論文  参考訳（メタデータ） (2021-05-25T15:55:14Z)
• Detection of gravitational-wave signals from binary neutron star mergers using machine learning [52.77024349608834]
  本稿では,重力波検出器の時系列ひずみデータを用いたニューラルネットワークに基づく機械学習アルゴリズムを提案する。 信号対雑音比が25未満の信号に対する感度は6因子改善した。 保守的な推定は、我々のアルゴリズムが信号の到着からアラート発生までの平均10.2秒の遅延を発生させることを示している。
  論文  参考訳（メタデータ） (2020-06-02T10:20:11Z)
• Near-chip Dynamic Vision Filtering for Low-Bandwidth Pedestrian Detection [99.94079901071163]
  本稿では、ダイナミックビジョンセンサ(DVS)を用いた歩行者検出のための新しいエンドツーエンドシステムを提案する。 我々は、複数のセンサがローカル処理ユニットにデータを送信し、検出アルゴリズムを実行するアプリケーションをターゲットにしている。 我々の検出器は450ミリ秒毎に検出を行うことができ、総合的なテストF1スコアは83%である。
  論文  参考訳（メタデータ） (2020-04-03T17:36:26Z)

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。