Fugu-MT 論文翻訳(概要): Fall detection using multimodal data

論文の概要: Fall detection using multimodal data

arxiv url: http://arxiv.org/abs/2205.05918v1
Date: Thu, 12 May 2022 07:13:34 GMT
ステータス: 処理完了
システム内更新日: 2022-05-13 13:44:21.553528
Title: Fall detection using multimodal data
Title（参考訳）: マルチモーダルデータを用いた転倒検出
Authors: Thao V. Ha, Hoang Nguyen, Son T. Huynh, Trung T. Nguyen, Binh T. Nguyen
Abstract要約: 本稿では,大規模なパブリックデータセット,すなわちUP-Fall Detectionデータセットに基づく転倒検出問題について検討する。本稿では,これらのセンサやカメラから重要な特徴を抽出し,主要な問題に対する適切なモデルを構築するためのいくつかの手法を提案する。
参考スコア（独自算出の注目度）: 1.8149327897427234
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: In recent years, the occurrence of falls has increased and has had detrimental effects on older adults. Therefore, various machine learning approaches and datasets have been introduced to construct an efficient fall detection algorithm for the social community. This paper studies the fall detection problem based on a large public dataset, namely the UP-Fall Detection Dataset. This dataset was collected from a dozen of volunteers using different sensors and two cameras. We propose several techniques to obtain valuable features from these sensors and cameras and then construct suitable models for the main problem. The experimental results show that our proposed methods can bypass the state-of-the-art methods on this dataset in terms of accuracy, precision, recall, and F1 score.
Abstract（参考訳）: 近年,転倒の発生が増加し,高齢者に有害な影響を及ぼしている。そこで,社会的コミュニティのための効率的な転倒検出アルゴリズムを構築するために,機械学習のアプローチやデータセットが導入された。本稿では,大規模な公開データセット,すなわちUP-Fall Detection Datasetに基づく転倒検出問題について検討する。このデータセットは、異なるセンサーと2台のカメラを使用して、12人のボランティアから収集された。本稿では,これらのセンサやカメラから重要な特徴を抽出し,主要な問題に対する適切なモデルを構築する手法を提案する。実験の結果,提案手法は,精度,精度,リコール,f1スコアの点で,このデータセットの最先端手法をバイパスできることがわかった。

関連論文リスト

A Comprehensive Library for Benchmarking Multi-class Visual Anomaly Detection [52.228708947607636]
本稿では,新しい手法のモジュラーフレームワークであるADerを包括的視覚異常検出ベンチマークとして紹介する。このベンチマークには、産業ドメインと医療ドメインからの複数のデータセットが含まれており、15の最先端メソッドと9つの包括的なメトリクスを実装している。我々は,異なる手法の長所と短所を客観的に明らかにし,多クラス視覚異常検出の課題と今後の方向性について考察する。
論文参考訳（メタデータ） (2024-06-05T13:40:07Z)
Physics Sensor Based Deep Learning Fall Detection System [0.9128828609564524]
我々は,組込みセンサを用いたデータ受信装置を備えたTSFallDetectというシステムを構築した。我々は、慣性およびフィルム圧力センサによって収集されたデータに基づいて、この降下動作予測問題に対処するために、シーケンシャルな深層学習手法を利用する。
論文参考訳（メタデータ） (2024-02-29T07:50:06Z)
Machine Learning and Feature Ranking for Impact Fall Detection Event Using Multisensor Data [1.9731252964716424]
我々は、マルチセンサUP-FALLデータセットから最も関連性の高い特徴を特定するために、特徴選択プロセスを採用している。次に、インパクトモーメントの検出における各種機械学習モデルの効率性を評価する。この結果から, 落下検出にマルチセンサデータを活用する能力を示すとともに, 衝突検出の精度向上を実現した。
論文参考訳（メタデータ） (2023-12-21T01:05:44Z)
Innovative Horizons in Aerial Imagery: LSKNet Meets DiffusionDet for Advanced Object Detection [55.2480439325792]
本稿では,LSKNetのバックボーンをDiffusionDetヘッドに統合したオブジェクト検出モデルの詳細な評価を行う。提案手法は平均精度(MAP)を約45.7%向上させる。この進歩は、提案された修正の有効性を強調し、航空画像解析の新しいベンチマークを設定する。
論文参考訳（メタデータ） (2023-11-21T19:49:13Z)
Human Fall Detection- Multimodality Approach [2.7215474244966296]
我々は、加速度計データ保持ラベル付き手首センサをバイナリ分類、すなわち、データ集合からのフォールとフォールを含まない2値分類に使用します。実験結果から,2値分類のためのマルチセンサと比較して手首データのみを用いることは,転倒検出のためのモデル予測性能に影響を及ぼさないことがわかった。
論文参考訳（メタデータ） (2023-02-01T04:05:14Z)
An Outlier Exposure Approach to Improve Visual Anomaly Detection Performance for Mobile Robots [76.36017224414523]
移動ロボットの視覚異常検出システム構築の問題点を考察する。標準異常検出モデルは、非異常データのみからなる大規模なデータセットを用いて訓練される。本研究では,これらのデータを利用してリアルNVP異常検出モデルの性能向上を図る。
論文参考訳（メタデータ） (2022-09-20T15:18:13Z)
Detecting Concept Drift in the Presence of Sparsity -- A Case Study of Automated Change Risk Assessment System [0.8021979227281782]
文学におけるテクスティットパリシティ(textitsparsity)と呼ばれる欠落値は、多くの実世界のデータセットの共通の特徴である。本研究では,異なる種類の疎性に対する様々な統計およびMLに基づくデータ計算手法の欠落した値のパターンについて検討する。次に、異なるメトリクスに基づいて、欠落した値を持つデータセットを与えられた最良のコンセプトドリフト検出器を選択する。
論文参考訳（メタデータ） (2022-07-27T04:27:49Z)
Weakly Supervised Change Detection Using Guided Anisotropic Difusion [97.43170678509478]
我々は、このようなデータセットを変更検出の文脈で活用するのに役立つ独自のアイデアを提案する。まず,意味的セグメンテーション結果を改善する誘導異方性拡散(GAD)アルゴリズムを提案する。次に、変化検出に適した2つの弱い教師付き学習戦略の可能性を示す。
論文参考訳（メタデータ） (2021-12-31T10:03:47Z)
Unsupervised Deep Anomaly Detection for Multi-Sensor Time-Series Signals [10.866594993485226]
本稿では,Deep Convolutional Autoencoding Memory Network (CAE-M) という,ディープラーニングに基づく新しい異常検出アルゴリズムを提案する。我々はまず,最大平均離散値(MMD)を用いたマルチセンサデータの空間依存性を特徴付けるディープ畳み込みオートエンコーダを構築する。そして,線形(自己回帰モデル)と非線形予測(注意を伴う大規模LSTM)からなるメモリネットワークを構築し,時系列データから時間依存性を捉える。
論文参考訳（メタデータ） (2021-07-27T06:48:20Z)
Pretrained equivariant features improve unsupervised landmark discovery [69.02115180674885]
我々は、この課題を克服する2段階の教師なしアプローチを、強力なピクセルベースの特徴を初めて学習することによって定式化する。本手法は,いくつかの難解なランドマーク検出データセットにおいて最先端の結果を生成する。
論文参考訳（メタデータ） (2021-04-07T05:42:11Z)
DecAug: Augmenting HOI Detection via Decomposition [54.65572599920679]
現在のアルゴリズムでは、データセット内のトレーニングサンプルやカテゴリの不均衡が不足している。本稿では,HOI検出のためのDECAugと呼ばれる効率的かつ効率的なデータ拡張手法を提案する。実験の結果,V-COCOおよびHICODETデータセットの3.3mAPと1.6mAPの改善が得られた。
論文参考訳（メタデータ） (2020-10-02T13:59:05Z)

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。