論文の概要: Visual Detection of Personal Protective Equipment and Safety Gear on Industry Workers

• arxiv url: http://arxiv.org/abs/2212.04794v1
• Date: Fri, 9 Dec 2022 11:50:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-12 15:20:59.003479
• Title: Visual Detection of Personal Protective Equipment and Safety Gear on Industry Workers
• Title（参考訳）: 産業労働者の保護具・安全具の視覚的検出
• Authors: Jonathan Karlsson, Fredrik Strand, Josef Bigun, Fernando Alonso-Fernandez, Kevin Hernandez-Diaz, Felix Nilsson
• Abstract要約: 我々は、PPE(Personal Protective Equipment)の使用を検知するカメラを用いて、労働者の安全を向上するシステムを開発した。 我々の焦点は、制限区域へのアクセスを得るために労働者が自らを提示しなければならないエントリーコントロールポイントに我々のシステムを実装することである。 この研究の新たな特徴は、クラス数を5つの対象(ヘルメット、安全ベスト、安全手袋、安全眼鏡、聴覚保護)に増やすことである。
• 参考スコア（独自算出の注目度）: 49.36909714011171
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Workplace injuries are common in today's society due to a lack of adequately worn safety equipment. A system that only admits appropriately equipped personnel can be created to improve working conditions. The goal is thus to develop a system that will improve workers' safety using a camera that will detect the usage of Personal Protective Equipment (PPE). To this end, we collected and labeled appropriate data from several public sources, which have been used to train and evaluate several models based on the popular YOLOv4 object detector. Our focus, driven by a collaborating industrial partner, is to implement our system into an entry control point where workers must present themselves to obtain access to a restricted area. Combined with facial identity recognition, the system would ensure that only authorized people wearing appropriate equipment are granted access. A novelty of this work is that we increase the number of classes to five objects (hardhat, safety vest, safety gloves, safety glasses, and hearing protection), whereas most existing works only focus on one or two classes, usually hardhats or vests. The AI model developed provides good detection accuracy at a distance of 3 and 5 meters in the collaborative environment where we aim at operating (mAP of 99/89%, respectively). The small size of some objects or the potential occlusion by body parts have been identified as potential factors that are detrimental to accuracy, which we have counteracted via data augmentation and cropping of the body before applying PPE detection.
• Abstract（参考訳）: 職場での怪我は今日の社会では安全装置が適切に装備されていないために一般的である。 適切な装備員のみを認めるシステムは、作業条件を改善するために作成することができる。 この目的は、PPE(Personal Protective Equipment)の使用を検知するカメラを用いて、労働者の安全を改善するシステムを開発することである。 そこで我々は, YOLOv4オブジェクト検出器をベースとした複数のモデルのトレーニングと評価に使用されている複数の公開情報源から, 適切なデータを収集, ラベル付けした。 我々の焦点は、協力する産業パートナーによって推進され、労働者が制限された地域へのアクセスを得るために自らを提示しなければならないエントリーコントロールポイントに我々のシステムを実装することである。 顔認識と組み合わせることで、適切な装備を身に着けている認定された人だけがアクセスを許可される。 この研究の目新しさは、クラスを5つのオブジェクト(ハードハット、安全ベスト、安全グローブ、安全メガネ、聴覚保護)に増やすことである。 開発されたAIモデルは、私たちが運用する協調環境(それぞれ99/89%のmAP)において、3mと5mの距離で優れた検出精度を提供する。 いくつかの物体の小さなサイズや、身体部分による潜在的な閉塞は、精度に有害な潜在的な要因として同定され、PPE検出を施す前に、データの増大と身体の収穫によって対処された。

関連論文リスト

• Defining and Evaluating Physical Safety for Large Language Models [62.4971588282174]
  大型言語モデル (LLM) は、ドローンのようなロボットシステムを制御するためにますます使われている。 現実世界のアプリケーションに物理的な脅威や害をもたらすリスクは、まだ解明されていない。 我々は,ドローンの物理的安全性リスクを,(1)目標脅威,(2)目標脅威,(3)インフラ攻撃,(4)規制違反の4つのカテゴリに分類する。
  論文  参考訳（メタデータ） (2024-11-04T17:41:25Z)
• SH17: A Dataset for Human Safety and Personal Protective Equipment Detection in Manufacturing Industry [2.007345596217044]
  本研究では,多様な産業環境から収集した17クラスの75,994個のインスタンスを含む8,099個の注釈付き画像からなるSH17データセットを提案する。 ベンチマークのために最先端のODモデルをトレーニングし、最初の結果は、You Only Look Once (YOLO)v9-eモデル変種がPPE検出の70.9%を超える有望な精度を示した。
  論文  参考訳（メタデータ） (2024-07-05T15:40:11Z)
• A Deep Learning Approach to Detect Complete Safety Equipment For Construction Workers Based On YOLOv7 [0.0]
  本研究では,建設作業員が着用する安全装置を同定する深層学習技術を提案する。 推奨されるアプローチは、YOLO v7オブジェクト検出アルゴリズムを使用して、これらの安全アイテムを正確に検出する。 トレーニングされたモデルでは,安全機器認識のための精度,リコール,F1スコアが良好に動作した。
  論文  参考訳（メタデータ） (2024-06-11T20:38:41Z)
• Preventing Errors in Person Detection: A Part-Based Self-Monitoring Framework [7.6849475214826315]
  本稿では,認識システムが実行時に可視性チェックを行うことができる自己監視フレームワークを提案する。 人体部分検出のための追加の部品を組み込むことで、見逃した人体検出の回数を大幅に削減できることを示す。
  論文  参考訳（メタデータ） (2023-07-10T12:59:30Z)
• Image-Based Fire Detection in Industrial Environments with YOLOv4 [53.180678723280145]
  この研究は、AIが火災を検出し、認識し、画像ストリーム上のオブジェクト検出を使用して検出時間を短縮する可能性を検討する。 そこで我々は, YOLOv4オブジェクト検出器をベースとした複数のモデルのトレーニングと評価に使用されてきた複数の公開情報源から, 適切なデータを収集, ラベル付けした。
  論文  参考訳（メタデータ） (2022-12-09T11:32:36Z)
• Face Presentation Attack Detection [59.05779913403134]
  顔認識技術は、チェックインやモバイル支払いといった日々の対話的アプリケーションで広く利用されている。 しかしながら、プレゼンテーションアタック(PA)に対する脆弱性は、超セキュアなアプリケーションシナリオにおける信頼性の高い使用を制限する。
  論文  参考訳（メタデータ） (2022-12-07T14:51:17Z)
• An Industrial Workplace Alerting and Monitoring Platform to Prevent Workplace Injury and Accidents [0.0]
  安全でない活動の個人防護装置(PPE)の使用を検知し、分類するための産業用職場警報・監視プラットフォームを提案する。 提案手法は,複数の人や物体が関与する長時間動作を初めて解析する手法である。 そこで本研究では,産業現場のビデオデータにアクション分類を付加し,PPEを検出した最初のオープンソースアノテートデータセットを提案する。
  論文  参考訳（メタデータ） (2022-10-25T06:35:00Z)
• Vision-Based Safety System for Barrierless Human-Robot Collaboration [0.0]
  本稿では,速度分離監視(SSM)方式の安全システムを提案する。 ディープラーニングに基づくコンピュータビジョンシステムは、ロボットに近いオペレータの3D位置を検出し、追跡し、推定する。 人間とロボットが相互作用する3つの異なる操作モードが提示される。
  論文  参考訳（メタデータ） (2022-08-03T12:31:03Z)
• ObjectSeeker: Certifiably Robust Object Detection against Patch Hiding Attacks via Patch-agnostic Masking [95.6347501381882]
  物体探知機は物理的世界のパッチ隠蔽攻撃に弱いことが判明した。 我々は,堅牢なオブジェクト検出器を構築するためのフレームワークとしてObjectSeekerを提案する。
  論文  参考訳（メタデータ） (2022-02-03T19:34:25Z)
• Perceiving Humans: from Monocular 3D Localization to Social Distancing [93.03056743850141]
  本稿では,人間の3次元位置と身体の向きを1つの画像から知覚する,コスト効率の高い視覚ベースの新しい手法を提案する。 我々は,「社会的距離」という概念を,単純な位置に基づくルールとは対照的に,社会的相互作用の一形態として再考することが可能であることを示す。
  論文  参考訳（メタデータ） (2020-09-01T10:12:30Z)

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。