Fugu-MT 論文翻訳(概要): CCTV-Gun: Benchmarking Handgun Detection in CCTV Images

論文の概要: CCTV-Gun: Benchmarking Handgun Detection in CCTV Images

arxiv url: http://arxiv.org/abs/2303.10703v1
Date: Sun, 19 Mar 2023 16:17:35 GMT
ステータス: 処理完了
システム内更新日: 2023-03-21 17:46:51.384520
Title: CCTV-Gun: Benchmarking Handgun Detection in CCTV Images
Title（参考訳）: CCTV-Gun:CCTV画像におけるハンドガン検出のベンチマーク
Authors: Srikar Yellapragada, Zhenghong Li, Kevin Bhadresh Doshi, Purva Makarand Mhasakar, Heng Fan, Jie Wei, Erik Blasch, Haibin Ling
Abstract要約: 銃の暴力は重要なセキュリティ問題であり、コンピュータビジョンコミュニティが効果的な銃検出アルゴリズムを開発することが必須である。実際のCCTV画像から銃を検出することは、未だに困難で未調査の課題である。我々は,実世界のCCTV画像における拳銃検出の課題に対処するベンチマーク「textbfCCTV-Gun」を提案する。
参考スコア（独自算出の注目度）: 60.0251379986934
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Gun violence is a critical security problem, and it is imperative for the computer vision community to develop effective gun detection algorithms for real-world scenarios, particularly in Closed Circuit Television (CCTV) surveillance data. Despite significant progress in visual object detection, detecting guns in real-world CCTV images remains a challenging and under-explored task. Firearms, especially handguns, are typically very small in size, non-salient in appearance, and often severely occluded or indistinguishable from other small objects. Additionally, the lack of principled benchmarks and difficulty collecting relevant datasets further hinder algorithmic development. In this paper, we present a meticulously crafted and annotated benchmark, called \textbf{CCTV-Gun}, which addresses the challenges of detecting handguns in real-world CCTV images. Our contribution is three-fold. Firstly, we carefully select and analyze real-world CCTV images from three datasets, manually annotate handguns and their holders, and assign each image with relevant challenge factors such as blur and occlusion. Secondly, we propose a new cross-dataset evaluation protocol in addition to the standard intra-dataset protocol, which is vital for gun detection in practical settings. Finally, we comprehensively evaluate both classical and state-of-the-art object detection algorithms, providing an in-depth analysis of their generalizing abilities. The benchmark will facilitate further research and development on this topic and ultimately enhance security. Code, annotations, and trained models are available at https://github.com/srikarym/CCTV-Gun.
Abstract（参考訳）: 銃暴力は重要なセキュリティ問題であり、特にCCTV監視データにおいて、現実のシナリオに有効な銃検出アルゴリズムを開発することがコンピュータビジョンコミュニティにとって必須である。視覚的物体検出の大幅な進歩にもかかわらず、現実のCCTV画像における銃の検出は困難で未調査の課題である。銃器、特に拳銃は、通常、非常に小さいサイズであり、外観が不十分であり、しばしば他の小物と酷く遮蔽されるか、区別できない。さらに、標準ベンチマークの欠如と関連するデータセットの収集がアルゴリズム開発を妨げている。本稿では,実世界のCCTV画像における拳銃検出の課題に対処する,巧妙に製作された注釈付きベンチマーク「textbf{CCTV-Gun}」を提案する。私たちの貢献は3倍です。まず,3つのデータセットから実世界のCCTV画像を慎重に選択,分析し,手動で拳銃とその保持者をアノテートし,各画像にぼやけや閉塞などの課題因子を割り当てる。第2に,実用環境で銃の検知に不可欠な標準データセット内プロトコルに加えて,新たなクロスデータセット評価プロトコルを提案する。最後に,古典的および最先端の物体検出アルゴリズムを包括的に評価し,一般化能力の詳細な分析を行った。このベンチマークは、このトピックに関するさらなる研究と開発を促進し、最終的にはセキュリティを強化する。コード、アノテーション、トレーニングされたモデルはhttps://github.com/srikarym/CCTV-Gun.orgで入手できる。

関連論文リスト

SSIVD-Net: A Novel Salient Super Image Classification & Detection Technique for Weaponized Violence [3.651114792588495]
CCTV映像における暴力や武器による暴力の検出には、包括的なアプローチが必要である。本稿では,emphSmart-City CCTV Violence Detection (SCVD)データセットを紹介する。我々はemphSSIVD-Net(textbfViolence textbfDetection用textbfSalient-textbfSuper-textbfImage)と呼ばれる新しい手法を提案する。
論文参考訳（メタデータ） (2022-07-26T12:31:01Z)
E^2TAD: An Energy-Efficient Tracking-based Action Detector [78.90585878925545]
本稿では,事前定義されたキーアクションを高精度かつ効率的にローカライズするためのトラッキングベースソリューションを提案する。 UAV-Video Track of 2021 Low-Power Computer Vision Challenge (LPCVC)で優勝した。
論文参考訳（メタデータ） (2022-04-09T07:52:11Z)
YouTube-GDD: A challenging gun detection dataset with rich contextual information [5.956046069509441]
この研究は、YouTube Gun Detection dataset(YouTube-GDD)と呼ばれる新しい挑戦的なデータセットを提示している。私たちのデータセットは、343の高精細度YouTubeビデオから収集され、5,000の精巧な画像が含まれており、そのうち16064の銃と9046の人が注釈付けされている。銃検出のためのベースラインを構築するために,YouTube-GDD上でYOLOv5を評価し,関連する注釈情報の追加が銃検出に与える影響を解析した。
論文参考訳（メタデータ） (2022-03-08T14:55:10Z)
Real Time Action Recognition from Video Footage [0.5219568203653523]
ビデオ監視カメラは犯罪を検知する新しい次元を追加した。本研究は、暴力行為を検出するための自律監視のための堅牢なパイプラインを確保するために、最先端のディープラーニング手法を統合することに焦点を当てる。
論文参考訳（メタデータ） (2021-12-13T07:27:41Z)
Finding Facial Forgery Artifacts with Parts-Based Detectors [73.08584805913813]
顔の個々の部分に焦点を絞った一連の偽造検知システムを設計する。これらの検出器を用いて、FaceForensics++、Celeb-DF、Facebook Deepfake Detection Challengeデータセットの詳細な実験分析を行う。
論文参考訳（メタデータ） (2021-09-21T16:18:45Z)
A Gun Detection Dataset and Searching for Embedded Device Solutions [1.2149550080095914]
我々は,51Kのアノテートガン画像と,51Kのトリミングガンチップ画像を用いた銃分類データセットを公表した。我々の知る限り、これは銃検出研究の最大のデータセットである。また,組込みエッジデバイス(カメラ)における銃検出ソリューションの探索や,クラウドサーバ上での銃・銃の分類についても検討した。
論文参考訳（メタデータ） (2021-05-03T17:58:45Z)
VideoForensicsHQ: Detecting High-quality Manipulated Face Videos [77.60295082172098]
偽造検知器の性能は、人間の目で見られる人工物の存在にどのように依存するかを示す。前例のない品質の顔ビデオ偽造検出のための新しいベンチマークデータセットを導入する。
論文参考訳（メタデータ） (2020-05-20T21:17:43Z)
Knife and Threat Detectors [0.0]
複数のナイフ画像データセットを用いた自動脅威識別のための3つの補完手法を提案する。ナイフを振り回す脅威を観察者に警告するため、MobileNetを中心に構築された分類をテストし、デプロイする。 PoseNetアーキテクチャ上に構築された最終モデルは、脅威特性を狭めるために解剖学的ウェイポイントや骨格的特徴を割り当てる。
論文参考訳（メタデータ） (2020-04-04T12:41:28Z)
Firearm Detection and Segmentation Using an Ensemble of Semantic Neural Networks [62.997667081978825]
本稿では,意味的畳み込みニューラルネットワークのアンサンブルに基づく兵器検出システムを提案する。特定のタスクに特化した単純なニューラルネットワークのセットは、計算リソースを少なくし、並列にトレーニングすることができる。個々のネットワークの出力の集約によって与えられるシステムの全体的な出力は、ユーザが偽陽性と偽陰性とをトレードオフするように調整することができる。
論文参考訳（メタデータ） (2020-02-11T13:58:16Z)
Training-free Monocular 3D Event Detection System for Traffic Surveillance [93.65240041833319]
既存のイベント検出システムは、主に学習ベースであり、大量のトレーニングデータが利用可能な場合、十分なパフォーマンスを実現している。現実のシナリオでは、十分なラベル付きトレーニングデータの収集は高価であり、時には不可能である。本稿では,交通監視のためのトレーニング不要な単眼3Dイベント検出システムを提案する。
論文参考訳（メタデータ） (2020-02-01T04:42:57Z)

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。