論文の概要: A cloud-based deep learning system for improving crowd safety at event entrances

• arxiv url: http://arxiv.org/abs/2302.08237v1
• Date: Thu, 16 Feb 2023 11:39:32 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-17 14:08:55.840485
• Title: A cloud-based deep learning system for improving crowd safety at event entrances
• Title（参考訳）: イベントエントランスにおける群衆の安全性向上を目的としたクラウド型ディープラーニングシステム
• Authors: Ahmed Alia, Mohammed Maree, Mohcine Chraibi, Anas Toma and Armin Seyfried
• Abstract要約: 混み合ったイベント入口のライブビデオストリームにおいて,プッシュの自動検出を早期に行うクラウドベースのディープラーニングシステムを提案する。 5つの実世界の実験と関連する地上真実データに基づいて、新しいデータセットを生成する。 このシステムは、許容遅延時間内に89%の精度でプッシュ動作を同定した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Crowding at the entrances of large events may lead to critical and life-threatening situations, particularly when people start pushing each other to reach the event faster. A system for automatic and timely identification of pushing behavior would help organizers and security forces to intervene early and mitigate dangerous situations. In this paper, we propose a cloud-based deep learning system for early detection of pushing automatically in the live video stream of crowded event entrances. The proposed system relies mainly on two models: a pre-trained deep optical flow and an adapted version of the EfficientNetV2B0 classifier. The optical flow model extracts the characteristics of the crowd motion in the live video stream, while the classifier analyses the crowd motion and annotates pushing patches in the live stream. A novel dataset is generated based on five real-world experiments and their associated ground truth data to train the adapted EfficientNetV2B0 model. The experimental situations simulated a crowded event entrance, and social psychologists manually created the ground truths for each video experiment. Several experiments on the videos and the generated dataset are carried out to evaluate the accuracy and annotation delay time of the proposed system. Furthermore, the experts manually revised the annotation results of the system. Findings indicate that the system identified pushing behaviors with an accuracy rate of 89% within an acceptable delay time.
• Abstract（参考訳）: 大きなイベントの入り口に群がると、特に人々がより早くイベントに到達するために互いに押し合い始めると、危機的かつ命が危うくなる。 プッシュ行動の自動的かつタイムリーに識別するシステムは、組織や治安部隊が早期に介入し、危険な状況を軽減するのに役立つ。 本稿では,混雑したイベントエントランスのライブビデオストリームで自動プッシュを早期に検出するクラウドベースのディープラーニングシステムを提案する。 このシステムは主に2つのモデルに依存している: 事前訓練された深層光フローとefficiernetv2b0分類器の適応バージョンである。 オプティカルフローモデルはライブビデオストリームにおける群集運動の特徴を抽出し、分類器は群集の動きを分析し、ライブストリーム内のパッチをアノテートする。 5つの実世界の実験とその関連する真実データに基づいて新しいデータセットを生成し、適応されたEfficientNetV2B0モデルをトレーニングする。 実験的な状況は混み合ったイベントの入り口をシミュレートし、社会心理学者はビデオ実験ごとに基礎的な真実を手作業で作成した。 提案するシステムの精度とアノテーション遅延時間を評価するため,ビデオと生成されたデータセットについていくつかの実験を行った。 また,専門家はシステムの注釈結果を手作業で修正した。 その結果、システムは許容される遅延時間内に89%の精度で押し付け動作を同定した。

関連論文リスト

• Predicting Long-horizon Futures by Conditioning on Geometry and Time [49.86180975196375]
  我々は,過去を前提とした将来のセンサ観測の課題を探求する。 マルチモーダリティを扱える画像拡散モデルの大規模事前学習を活用する。 我々は、屋内と屋外のシーンにまたがる多様なビデオのセットについて、ビデオ予測のためのベンチマークを作成する。
  論文  参考訳（メタデータ） (2024-04-17T16:56:31Z)
• Genuine Knowledge from Practice: Diffusion Test-Time Adaptation for Video Adverse Weather Removal [53.15046196592023]
  ビデオの悪天候除去におけるテスト時間適応について紹介する。 本稿では,テスト時間適応を反復拡散逆プロセスに統合する最初のフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-12T14:21:30Z)
• An Adaptive Framework for Generalizing Network Traffic Prediction towards Uncertain Environments [51.99765487172328]
  我々は,モバイルネットワークトラフィック予測モデルを動的に割り当てるための時系列解析を用いた新しいフレームワークを開発した。 我々のフレームワークは学習した振る舞いを採用しており、現在の研究と比較して50%以上の改善が得られ、どのモデルよりも優れています。
  論文  参考訳（メタデータ） (2023-11-30T18:58:38Z)
• Event-based Vision for Early Prediction of Manipulation Actions [0.7699714865575189]
  ニューロモルフィック視覚センサー(Neuromorphic visual sensor)は、シーンの明るさが変化したときの事象の出力をシーケンスする人工網膜である。 本研究では,微粒な操作動作に関するイベントベースデータセットを提案する。 また,事象を伴う行動予測にトランスフォーマーを用いることについて実験的に検討した。
  論文  参考訳（メタデータ） (2023-07-26T17:50:17Z)
• StreamYOLO: Real-time Object Detection for Streaming Perception [84.2559631820007]
  将来を予測する能力を備えたモデルを提供し、ストリーミング知覚の結果を大幅に改善する。 本稿では,複数の速度を駆動するシーンについて考察し,VasAP(Velocity-Awared streaming AP)を提案する。 本手法は,Argoverse-HDデータセットの最先端性能を実現し,SAPとVsAPをそれぞれ4.7%,VsAPを8.2%改善する。
  論文  参考訳（メタデータ） (2022-07-21T12:03:02Z)
• Self-SuperFlow: Self-supervised Scene Flow Prediction in Stereo Sequences [12.650574326251023]
  本稿では,シーンフロー予測のための自己監督型損失の拡張について検討する。 KITTIのシーンフローベンチマークでは,本手法は同一ネットワークの教師付き事前学習よりも優れていた。
  論文  参考訳（メタデータ） (2022-06-30T13:55:17Z)
• Real-time Object Detection for Streaming Perception [84.2559631820007]
  ストリーミング知覚は,ビデオオンライン知覚の1つの指標として,レイテンシと精度を共同評価するために提案される。 ストリーミング知覚のためのシンプルで効果的なフレームワークを構築します。 提案手法はArgoverse-HDデータセット上での競合性能を実現し,強力なベースラインに比べてAPを4.9%向上させる。
  論文  参考訳（メタデータ） (2022-03-23T11:33:27Z)
• Learning Monocular Dense Depth from Events [53.078665310545745]
  イベントカメラは、強度フレームではなく、非同期イベントのストリームの形式で輝度を変化させる。 最近の学習に基づくアプローチは、単眼深度予測のようなイベントベースのデータに適用されている。 本稿では,この課題を解決するための繰り返しアーキテクチャを提案し,標準フィードフォワード法よりも大幅に改善されていることを示す。
  論文  参考訳（メタデータ） (2020-10-16T12:36:23Z)

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。