論文の概要: Towards Edge-Cloud Architectures for Personal Protective Equipment
Detection
- arxiv url: http://arxiv.org/abs/2301.01501v1
- Date: Wed, 4 Jan 2023 09:17:34 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-05 15:40:22.327847
- Title: Towards Edge-Cloud Architectures for Personal Protective Equipment
Detection
- Title(参考訳): 個人の保護装置検出のためのエッジクラウドアーキテクチャ
- Authors: Jaroslaw Legierski, Kajetan Rachwal, Piotr Sowinski, Wojciech
Niewolski, Przemyslaw Ratuszek, Zbigniew Kopertowski, Marcin Paprzycki, Maria
Ganzha
- Abstract要約: このソリューションは、エッジクラウドとエッジオンリーの2つの設定でデプロイできる。
安全ヘルメットを装着した人を数えるモデルとしてYOLOX法を開発した。
このユースケースでは、エッジのみのデプロイメントが可能になることが判明した。
- 参考スコア(独自算出の注目度): 0.21108097398435333
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Detecting Personal Protective Equipment in images and video streams is a
relevant problem in ensuring the safety of construction workers. In this
contribution, an architecture enabling live image recognition of such equipment
is proposed. The solution is deployable in two settings -- edge-cloud and
edge-only. The system was tested on an active construction site, as a part of a
larger scenario, within the scope of the ASSIST-IoT H2020 project. To determine
the feasibility of the edge-only variant, a model for counting people wearing
safety helmets was developed using the YOLOX method. It was found that an
edge-only deployment is possible for this use case, given the hardware
infrastructure available on site. In the preliminary evaluation, several
important observations were made, that are crucial to the further development
and deployment of the system. Future work will include an in-depth
investigation of performance aspects of the two architecture variants.
- Abstract(参考訳): 画像・映像ストリームにおける個人保護装置の検出は,建設作業員の安全確保に重要な課題である。
本稿では,このような機器のライブ画像認識を実現するアーキテクチャを提案する。
ソリューションはエッジクラウドとエッジのみの2つの設定でデプロイできる。
このシステムは、ASSIST-IoT H2020プロジェクトの範囲内で、より大きなシナリオの一部として、アクティブな建設現場でテストされた。
エッジのみの変種の実現可能性を明らかにするため,YOLOX法による安全ヘルメット着用者数推定モデルを開発した。
現場で利用可能なハードウェアインフラストラクチャを考えると、このユースケースではエッジのみのデプロイメントが可能であることが分かりました。
予備評価では、システムのさらなる開発と展開に不可欠ないくつかの重要な観測が行われた。
今後の作業には、2つのアーキテクチャの亜種のパフォーマンスに関する詳細な調査が含まれる。
関連論文リスト
- Sketch2Stress: Sketching with Structural Stress Awareness [15.842017507987892]
そこで,Sketch2Stressを導入し,スケッチ段階で所望のオブジェクトの構造解析を行う。
特別に設計された2分岐生成・逆向きのフレームワークにより、正規写像とそれに対応する構造的ストレスマップを自動的に予測する。
本システムの有効性と実用性を,広範な実験とユーザスタディで実証する。
論文 参考訳(メタデータ) (2023-06-09T14:05:41Z) - Geometric-aware Pretraining for Vision-centric 3D Object Detection [77.7979088689944]
GAPretrainと呼ばれる新しい幾何学的事前学習フレームワークを提案する。
GAPretrainは、複数の最先端検出器に柔軟に適用可能なプラグアンドプレイソリューションとして機能する。
BEVFormer法を用いて, nuScenes val の 46.2 mAP と 55.5 NDS を実現し, それぞれ 2.7 と 2.1 点を得た。
論文 参考訳(メタデータ) (2023-04-06T14:33:05Z) - Object Detection for Autonomous Dozers [4.1245904895794085]
我々は、建設現場のタスクを効率的で堅牢で安全な方法で完了すると期待されている、新しいタイプの自律走行車を紹介します。
ドーザーの経路計画をよりよく処理し、建設現場の安全性を確保するために、物体検出は知覚タスクの中で最も重要な要素の1つとして機能する。
論文 参考訳(メタデータ) (2022-08-17T23:46:14Z) - Attention-based Domain Adaptation for Single Stage Detectors [75.88557558238841]
適応が焦点を置くべき重要な領域を特定するための注意機構を導入する。
我々のアプローチは汎用的で、任意の単段検出器に統合できる。
等価な単一ステージアーキテクチャでは、この手法は最先端のドメイン適応技術より優れている。
論文 参考訳(メタデータ) (2021-06-14T10:30:44Z) - Safe RAN control: A Symbolic Reinforcement Learning Approach [62.997667081978825]
本稿では,無線アクセスネットワーク(RAN)アプリケーションの安全管理のためのシンボル強化学習(SRL)アーキテクチャを提案する。
我々は、ユーザが所定のセルネットワークトポロジに対して高レベルの論理的安全性仕様を指定できる純粋に自動化された手順を提供する。
ユーザがシステムに意図仕様を設定するのを支援するために開発されたユーザインターフェース(UI)を導入し、提案するエージェントの動作の違いを検査する。
論文 参考訳(メタデータ) (2021-06-03T16:45:40Z) - Robust Object Detection via Instance-Level Temporal Cycle Confusion [89.1027433760578]
物体検出器の分布外一般化を改善するための補助的自己監視タスクの有効性を検討する。
最大エントロピーの原理に触発されて,新しい自己監督タスクであるインスタンスレベル時間サイクル混乱(cycconf)を導入する。
それぞれのオブジェクトに対して、タスクは、ビデオ内の隣接するフレームで最も異なるオブジェクトの提案を見つけ、自己スーパービジョンのために自分自身にサイクルバックすることです。
論文 参考訳(メタデータ) (2021-04-16T21:35:08Z) - Robust Real-Time Pedestrian Detection on Embedded Devices [4.514832807541817]
本稿では,多くの映像で歩行者検出のためのロバストな枠組みを提案する。
フレームワークは、異なる画像領域で細かく粗い検出を行います。
時間的・空間的特性を活かし、組み込み基板上での精度とリアルタイム性能の向上を図る。
論文 参考訳(メタデータ) (2020-12-13T14:43:30Z) - CARAFE++: Unified Content-Aware ReAssembly of FEatures [132.49582482421246]
この目標を達成するために、ユニバーサルで軽量で高効率なオペレータであるContent-Aware ReAssembly of FEatures(CARAFE++)を提案します。
CARAFE++は、インスタンス固有のコンテンツ認識処理を可能にするアダプティブカーネルをオンザフライで生成する。
計算のオーバーヘッドが無視できるすべてのタスクにおいて、一貫性と実質的な利益を示しています。
論文 参考訳(メタデータ) (2020-12-07T07:34:57Z) - Revisiting Pixel-Wise Supervision for Face Anti-Spoofing [75.89648108213773]
対面防止(FAS)は、提示攻撃(PA)から顔認識システムを保護する上で重要な役割を担っている
伝統的に、二分損失によって教師される深いモデルは、本質的および差別的なスプーフィングパターンを記述するのに弱い。
近年、よりきめ細かいピクセル/パッチレベルのキューを提供することを目的として、FASタスクに対してピクセル単位での監視が提案されている。
論文 参考訳(メタデータ) (2020-11-24T11:25:58Z) - Indoor Localization Techniques Within a Home Monitoring Platform [0.0]
本稿では,高齢者のリアルタイムモニタリングのために開発された屋内位置決め技術について詳述する。
これらは欧州連合が出資したi-Light研究プロジェクトの枠組みの中で開発された。
論文 参考訳(メタデータ) (2020-09-03T13:40:13Z) - Systematic Attack Surface Reduction For Deployed Sentiment Analysis
Models [0.0]
この研究は、モデルをベースライン化し、攻撃ベクトルを特定し、デプロイ後の機械学習モデルを保護するための構造化されたアプローチを提案する。
ブラックボックス感性分析システムにおいて,BADアーキテクチャを評価し,その逆のライフサイクルを定量的に評価する。
目標は、本番環境で機械学習モデルを確保するための実行可能な方法論を実証することである。
論文 参考訳(メタデータ) (2020-06-19T13:41:38Z)
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。