論文の概要: Audio Analytics-based Human Trafficking Detection Framework for
Autonomous Vehicles
- arxiv url: http://arxiv.org/abs/2209.04071v1
- Date: Fri, 9 Sep 2022 01:06:50 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-12 13:03:48.108675
- Title: Audio Analytics-based Human Trafficking Detection Framework for
Autonomous Vehicles
- Title(参考訳): 自律走行車のための音声分析に基づく人身売買検出フレームワーク
- Authors: Sagar Dasgupta, Kazi Shakib, Mizanur Rahman, Silvana V Croope, Steven
Jones
- Abstract要約: 本研究の目的は、自動運転車のための革新的な音声分析に基づく人身売買検出フレームワークを開発することである。
我々は、人身売買に関連する新しい包括的なオーディオデータセットを作成し、泣き声、叫び声、車のドアのバンピング、車の騒音、会話の5つのクラスを作成します。
解析の結果、ディープ1-D CNNは、人身売買の被害者から来る音を95%の精度で非人身売買の音と区別できることがわかった。
- 参考スコア(独自算出の注目度): 2.868643768911536
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Human trafficking is a universal problem, persistent despite numerous efforts
to combat it globally. Individuals of any age, race, ethnicity, sex, gender
identity, sexual orientation, nationality, immigration status, cultural
background, religion, socioeconomic class, and education can be a victim of
human trafficking. With the advancements in technology and the introduction of
autonomous vehicles (AVs), human traffickers will adopt new ways to transport
victims, which could accelerate the growth of organized human trafficking
networks, which can make the detection of trafficking in persons more
challenging for law enforcement agencies. The objective of this study is to
develop an innovative audio analytics-based human trafficking detection
framework for autonomous vehicles. The primary contributions of this study are
to: (i) define four non-trivial, feasible, and realistic human trafficking
scenarios for AVs; (ii) create a new and comprehensive audio dataset related to
human trafficking with five classes i.e., crying, screaming, car door banging,
car noise, and conversation; and (iii) develop a deep 1-D Convolution Neural
Network (CNN) architecture for audio data classification related to human
trafficking. We have also conducted a case study using the new audio dataset
and evaluated the audio classification performance of the deep 1-D CNN. Our
analyses reveal that the deep 1-D CNN can distinguish sound coming from a human
trafficking victim from a non-human trafficking sound with an accuracy of 95%,
which proves the efficacy of our framework.
- Abstract(参考訳): 人身売買は普遍的な問題であり、世界規模で戦うために多くの努力が続けられている。
年齢、人種、民族、性別、性別、性的指向、国籍、移民状況、文化的背景、宗教、社会経済的階級、教育の個人は、人身売買の犠牲になる可能性がある。
テクノロジーの進歩と自動運転車(AV)の導入により、人身売買業者は、被害者を輸送する新しい方法を採用し、組織化された人身売買ネットワークの成長を加速させ、法執行機関にとってより困難な人身売買の検出を可能にする。
本研究の目的は、自動運転車のための革新的な音声分析に基づく人身売買検出フレームワークの開発である。
本研究の主な貢献は次のとおりである。
(i)AVの非自明で実現可能で現実的な人身売買シナリオを4つ定義すること。
(ii)泣いたり叫んだり、車のドアを叩いたり、車の騒音が聞こえたり、会話したりする5つのクラスで、人身売買に関連する新しい包括的なオーディオデータセットを作成します。
(iii)人身売買に関連する音声データ分類のための深部1次元畳み込みニューラルネットワーク(cnn)アーキテクチャの開発。
また,新しい音声データセットを用いたケーススタディを実施し,深部1次元CNNの音声分類性能を評価した。
分析の結果、深部1次元cnnは、人身売買被害者の発する音と、95%の精度で非人身売買音を区別できることが明らかとなり、この枠組みの有効性が証明された。
関連論文リスト
- Tracing the Unseen: Uncovering Human Trafficking Patterns in Job Listings [9.450459784653196]
我々は、米国内の8つの関連地域から収集された4千万件の求人情報を分析した(2006-2024)。
広告機会の種類,好ましくない接触の態様,投稿頻度を調べた結果,不審な広告を特徴付けるパターンが明らかになった。
この研究は、オンラインの求人ボードとコミュニケーションプラットホームが、人間のトラフィックのファシリテーターを知らないままにするための、より深い研究の必要を浮き彫りにしている。
論文 参考訳(メタデータ) (2024-06-18T10:18:15Z) - Creating Geospatial Trajectories from Human Trafficking Text Corpora [0.0]
本稿では,Narrative to Trajectory (N2T) 情報抽出システムを提案する。
N2Tは、報告された物語を分析し、自然言語処理(NLP)技術を用いて関連情報を抽出し、地理空間拡張を適用する。
我々は,人身売買テキストコーパス上でN2Tを評価し,NLPライブラリを用いたデータ前処理とデータベース手法の拡張によるアプローチが,既存の位置情報検出手法より優れていることを示す。
論文 参考訳(メタデータ) (2024-05-09T22:24:09Z) - Learning Human Action Recognition Representations Without Real Humans [66.61527869763819]
そこで本研究では,仮想人間を含む合成データを用いて,実世界の映像を活用してモデルを事前学習するベンチマークを提案する。
次に、このデータに基づいて学習した表現を、下流行動認識ベンチマークの様々なセットに転送可能であるかを評価する。
私たちのアプローチは、以前のベースラインを最大5%上回ります。
論文 参考訳(メタデータ) (2023-11-10T18:38:14Z) - A New Task and Dataset on Detecting Attacks on Human Rights Defenders [68.45906430323156]
我々は,500のオンラインニュース記事にクラウドソーシングされたアノテーションからなる人権擁護者に対する攻撃(HRDsAttack)を検出するための新しいデータセットを提案する。
アノテーションには、攻撃のタイプと場所に関する詳細な情報と、被害者に関する情報が含まれている。
いくつかのサブタスク上でベースラインモデルをトレーニングし,評価し,注釈付き特性を予測することで,データセットの有用性を実証する。
論文 参考訳(メタデータ) (2023-06-30T14:20:06Z) - Human-Centric Multimodal Machine Learning: Recent Advances and Testbed
on AI-based Recruitment [66.91538273487379]
人間中心のアプローチでAIアプリケーションを開発する必要性には、ある程度のコンセンサスがある。
i)ユーティリティと社会的善、(ii)プライバシとデータ所有、(iii)透明性と説明責任、(iv)AIによる意思決定プロセスの公正性。
異種情報ソースに基づく現在のマルチモーダルアルゴリズムは、データ中の機密要素や内部バイアスによってどのように影響を受けるかを検討する。
論文 参考訳(メタデータ) (2023-02-13T16:44:44Z) - Fragments of the Past: Curating Peer Support with Perpetrators of
Domestic Violence [88.37416552778178]
我々は,過去フラグメントの設計と展開において,6人の支援労働者と18人の加害者とともに働いた10ヶ月の研究を報告した。
私たちは、暴力から脱却した経験をデジタルで強化された成果物、すなわち「フラグメント」を作ることが、メッセージのモチベーションと仲間間のラッピングをいかに翻訳するかを共有します。
これらの知見は、挑戦的な人口を持つ将来のネットワーク設計の実践的考察の基礎となる。
論文 参考訳(メタデータ) (2021-07-09T22:57:43Z) - CCC/Code 8.7: Applying AI in the Fight Against Modern Slavery [3.2013947720960267]
人身売買は、人身売買業者が、力、詐欺、または/または強制力を利用して、誰かに労働力やサービスを提供することを義務付けるときに起こる。
人身売買における幅広い利害関係者が大きな課題を提示している。
人口の監視を強化する技術は、基本的人権を損なう可能性がある。
論文 参考訳(メタデータ) (2021-06-24T17:07:56Z) - Operations Research and Analytics to Combat Human Trafficking: A
Systematic Review of Academic Literature [0.0]
人身売買は、世界中のすべての地域で発生している社会、経済、人権の問題である。
近年、オペレーションズ・リサーチ・アナリティクスのドメインから反人身売買の取り組みが増えている。
我々は,このギャップを,対人取引ドメインに関連するオペレーションリサーチと分析研究の身体を特定し分類する,体系的な文献レビューを提供することによって埋める。
論文 参考訳(メタデータ) (2021-03-30T16:32:57Z) - Fine-Grained Vehicle Perception via 3D Part-Guided Visual Data
Augmentation [77.60050239225086]
実画像中の車両に動的部品を付加した3次元自動車モデルによる効果的なトレーニングデータ生成プロセスを提案する。
私達のアプローチは人間の相互作用なしで完全に自動です。
VUS解析用マルチタスクネットワークとVHI解析用マルチストリームネットワークを提案する。
論文 参考訳(メタデータ) (2020-12-15T03:03:38Z) - Learning Accurate and Human-Like Driving using Semantic Maps and
Attention [152.48143666881418]
本稿では,より正確かつ人間らしく運転できるエンド・ツー・エンド駆動モデルについて検討する。
HERE Technologiesのセマンティックマップとビジュアルマップを活用し、既存のDrive360データセットを拡張します。
私たちのモデルは、実世界の運転データ60時間3000kmのDrive360+HEREデータセットでトレーニングされ、評価されています。
論文 参考訳(メタデータ) (2020-07-10T22:25:27Z)
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。