論文の概要: Feasibility on Detecting Door Slamming towards Monitoring Early Signs of Domestic Violence

• arxiv url: http://arxiv.org/abs/2210.02642v1
• Date: Thu, 6 Oct 2022 02:25:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-07 17:39:59.470380
• Title: Feasibility on Detecting Door Slamming towards Monitoring Early Signs of Domestic Violence
• Title（参考訳）: 家庭内暴力の早期発見に向けたドアスラム検出の可能性
• Authors: Osian Morgan, Hakan Kayan, Charith Perera
• Abstract要約: 家庭内暴力やその他の反社会的行動の早期警戒サインの検出の可能性について検討した。 音声データを分析し、これを畳み込みニューラルネットワークに入力してサンプルを分類することで、ドアが積極的に閉じられているかどうかを判断する機械学習モデルを作成しました。 モデルによる予測は、BLE経由でRaspberry Piのスマートフォンなど他のデバイスに送信することができる。
• 参考スコア（独自算出の注目度）: 1.3535770763481905
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: By using low-cost microcontrollers and TinyML, we investigate the feasibility of detecting potential early warning signs of domestic violence and other anti-social behaviors within the home. We created a machine learning model to determine if a door was closed aggressively by analyzing audio data and feeding this into a convolutional neural network to classify the sample. Under test conditions, with no background noise, accuracy of 88.89\% was achieved, declining to 87.50\% when assorted background noises were mixed in at a relative volume of 0.5 times that of the sample. The model is then deployed on an Arduino Nano BLE 33 Sense attached to the door, and only begins sampling once an acceleration greater than a predefined threshold acceleration is detected. The predictions made by the model can then be sent via BLE to another device, such as a smartphone of Raspberry Pi.
• Abstract（参考訳）: 低コストマイクロコントローラとTinyMLを用いて、家庭内暴力やその他の反社会的行動の早期警戒サインの検出の可能性を検討した。 音声データを分析し、これを畳み込みニューラルネットワークに入力してサンプルを分類することで、ドアが積極的に閉じられているかどうかを判断する機械学習モデルを作成しました。 試験条件下では, 背景雑音が無く, 88.89\%の精度が達成され, 試料の0.5倍の相対体積で混入した場合, 87.50\%まで低下した。 そして、そのモデルがドアに取り付けられたArduino Nano BLE 33 Sense上に展開され、予め定義された閾値加速度以上の加速度が検出されたときにのみサンプリングを開始する。 モデルの予測は、ble経由でraspberry piのスマートフォンなど、他のデバイスに送信することができる。

関連論文リスト

• Robust semi-parametric signal detection in particle physics with classifiers decorrelated via optimal transport [0.20971479389679337]
  粒子物理学において、教師付き分類器は、既知の標準模型物理学から信号モデルを分離するために用いられる。 しかし、背景モデルの誤差は、信号検出手順に悪影響を及ぼす可能性がある。 本稿では,予備的な信号強調処理のみを行うために,分類器の使用方法を示す。 次に、実際の実験データのみを用いて、信号量の多いサンプルに対してバンプハントを行う。
  論文  参考訳（メタデータ） (2024-09-10T10:32:21Z)
• Which Pretrain Samples to Rehearse when Finetuning Pretrained Models? [60.59376487151964]
  特定のタスクに関する微調整済みモデルが、テキストとビジョンタスクの事実上のアプローチになった。 このアプローチの落とし穴は、微調整中に起こる事前学習の知識を忘れることである。 本研究では,実際に忘れられているサンプルを識別・優先順位付けする新しいサンプリング手法であるmix-cdを提案する。
  論文  参考訳（メタデータ） (2024-02-12T22:32:12Z)
• Don't FREAK Out: A Frequency-Inspired Approach to Detecting Backdoor Poisoned Samples in DNNs [130.965542948104]
  本稿では, 深部ニューラルネットワーク(DNN)の周波数感度について, クリーンサンプルと有毒試料との比較検討を行った。 本稿では, 簡易かつ有効である周波数ベースの有毒試料検出アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-03-23T12:11:24Z)
• Input Perturbation Reduces Exposure Bias in Diffusion Models [41.483581603727444]
  本稿では,長いサンプリングチェーンが,自己回帰テキスト生成における露出バイアス問題と同様の誤差蓄積現象を引き起こすことを示す。 本稿では,推定時間予測誤差をシミュレートするために,基底真理サンプルを摂動させることにより,非常に単純で効果的なトレーニング正則化を提案する。 実験により,リコールと精度に影響を与えることなく,提案した入力摂動がサンプル品質を著しく向上させることを示した。
  論文  参考訳（メタデータ） (2023-01-27T13:34:54Z)
• Edge Deep Learning Enabled Freezing of Gait Detection in Parkinson's Patients [7.612338614344926]
  本稿では,パーキンソン病患者の歩行(FoG)症状を検知し,警告する無線センサネットワークの設計について述べる。 3つのセンサーノードは、それぞれ3軸加速度計を統合しており、足首、大腿、トラックの患者に配置することができる。 各センサノードはデバイス上での深層学習(DL)モデルを用いて独立してFoGを検出でき、圧縮・励起畳み込みニューラルネットワーク(CNN)を備えている。
  論文  参考訳（メタデータ） (2022-11-27T17:05:39Z)
• DAAIN: Detection of Anomalous and Adversarial Input using Normalizing Flows [52.31831255787147]
  我々は、アウト・オブ・ディストリビューション(OOD)インプットと敵攻撃(AA)を検出する新しい手法であるDAINを導入する。 本手法は,ニューラルネットワークの内部動作を監視し,活性化分布の密度推定器を学習する。 当社のモデルは,特別なアクセラレータを必要とせずに,効率的な計算とデプロイが可能な単一のGPUでトレーニングすることが可能です。
  論文  参考訳（メタデータ） (2021-05-30T22:07:13Z)
• Deep Neural Network based Cough Detection using Bed-mounted Accelerometer Measurements [6.004134549265193]
  我々は,患者のベッドに装着した加速度計から測定値に基づいて,うっ血検出を行った。 この形態の監視は、体に装着した加速度センサよりも侵入性が低く、音波を音波検出に使用する際に生じるプライバシー上の懸念の側面である。 スマートフォンの加速度計による測定のみに基づく高精度のコークスモニタリングが可能であると結論付けている。
  論文  参考訳（メタデータ） (2021-02-09T18:04:35Z)
• Learning based signal detection for MIMO systems with unknown noise statistics [84.02122699723536]
  本論文では,未知のノイズ統計による信号を堅牢に検出する一般化最大確率(ML)推定器を考案する。 実際には、システムノイズに関する統計的な知識はほとんどなく、場合によっては非ガウス的であり、衝動的であり、分析不可能である。 我々のフレームワークは、ノイズサンプルのみを必要とする教師なしの学習アプローチによって駆動される。
  論文  参考訳（メタデータ） (2021-01-21T04:48:15Z)
• Probing Model Signal-Awareness via Prediction-Preserving Input Minimization [67.62847721118142]
  モデルが正しい脆弱性信号を捕捉して予測する能力を評価する。 SAR(Signal-Aware Recall)と呼ばれる新しい指標を用いて,モデルの信号認識を計測する。 その結果,90年代以降のリコールから60年代以降のリコールは,新たな指標で大幅に減少した。
  論文  参考訳（メタデータ） (2020-11-25T20:05:23Z)
• A Generative Learning Approach for Spatio-temporal Modeling in Connected Vehicular Network [55.852401381113786]
  本稿では,コネクテッドカーの無線アクセス遅延を実現するための総合的時間品質フレームワークであるLaMI(Latency Model Inpainting)を提案する。 LaMIはイメージインペイントと合成のアイデアを採用し、2段階の手順で欠落したレイテンシサンプルを再構築することができる。 特に、パッチ方式のアプローチを用いて各地域で収集されたサンプル間の空間的相関を初めて発見し、その後、原点および高度に相関したサンプルをバラエナオートコーダ(VAE)に供給する。
  論文  参考訳（メタデータ） (2020-03-16T03:43:59Z)

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。