論文の概要: Towards Complex Real-World Safety Factory Inspection: A High-Quality Dataset for Safety Clothing and Helmet Detection

• arxiv url: http://arxiv.org/abs/2306.02098v1
• Date: Sat, 3 Jun 2023 12:15:20 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-06 20:15:48.884165
• Title: Towards Complex Real-World Safety Factory Inspection: A High-Quality Dataset for Safety Clothing and Helmet Detection
• Title（参考訳）: 複雑な実世界の安全工場検査に向けて:安全服とヘルメット検出のための高品質データセット
• Authors: Fusheng Yu, Xiaoping Wang, Jiang Li, Shaojin Wu, Junjie Zhang, Zhigang Zeng
• Abstract要約: 安全衣服とヘルメット検出のための大規模で包括的で現実的な高品質なデータセットを提示する。 我々のデータセットは現実世界の化学プラントから収集され、専門家のセキュリティ検査官が注釈を付けました。
• 参考スコア（独自算出の注目度）: 32.98828271523913
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Safety clothing and helmets play a crucial role in ensuring worker safety at construction sites. Recently, deep learning methods have garnered significant attention in the field of computer vision for their potential to enhance safety and efficiency in various industries. However, limited availability of high-quality datasets has hindered the development of deep learning methods for safety clothing and helmet detection. In this work, we present a large, comprehensive, and realistic high-quality dataset for safety clothing and helmet detection, which was collected from a real-world chemical plant and annotated by professional security inspectors. Our dataset has been compared with several existing open-source datasets, and its effectiveness has been verified applying some classic object detection methods. The results demonstrate that our dataset is more complete and performs better in real-world settings. Furthermore, we have released our deployment code to the public to encourage the adoption of our dataset and improve worker safety. We hope that our efforts will promote the convergence of academic research and industry, ultimately contribute to the betterment of society.
• Abstract（参考訳）: 安全服やヘルメットは、建設現場で労働者の安全を確保する上で重要な役割を担っている。 近年, 深層学習手法は, コンピュータビジョンの分野において, 各種産業の安全性と効率を高める可能性において, 重要な注目を集めている。 しかし、高品質なデータセットの可用性の制限は、安全服とヘルメット検出のためのディープラーニング手法の開発を妨げている。 本研究では,実世界の化学プラントから収集した安全服とヘルメット検出のための大規模かつ包括的で現実的な高品質データセットを,専門家のセキュリティインスペクタによって注釈付で提示する。 我々のデータセットは、既存のいくつかのオープンソースデータセットと比較され、その有効性は、いくつかの古典的なオブジェクト検出方法を用いて検証されている。 結果は、データセットがより完全であり、現実世界の設定でパフォーマンスが良いことを示している。 さらに、当社のデータセットの採用を奨励し、ワーカーの安全性を向上するために、デプロイメントコードを一般公開しました。 我々は,我々の努力が学術研究と産業の収束を促進し,最終的に社会の改善に寄与することを願っている。

関連論文リスト

• How Important are Data Augmentations to Close the Domain Gap for Object Detection in Orbit? [15.550663626482903]
  宇宙空間におけるコンピュータビジョンの領域ギャップを埋めるためのデータ拡張の有効性について検討する。 本稿では,軌道画像に観察される視覚効果をエミュレートするために開発された2つの新しいデータ拡張法を提案する。
  論文  参考訳（メタデータ） (2024-10-21T08:24:46Z)
• Plain-Det: A Plain Multi-Dataset Object Detector [22.848784430833835]
  Plain-Detは、新しいデータセットに対応する柔軟性、さまざまなデータセットのパフォーマンス、トレーニング効率を提供する。 13の下流データセットに対して広範な実験を行い、Plain-Detは強力な一般化能力を示す。
  論文  参考訳（メタデータ） (2024-07-14T05:18:06Z)
• 4D Contrastive Superflows are Dense 3D Representation Learners [62.433137130087445]
  我々は,LiDARとカメラのペアを連続的に利用して事前学習の目的を確立するための,新しいフレームワークであるSuperFlowを紹介する。 学習効率をさらに向上するため,カメラビューから抽出した知識の整合性を高めるプラグイン・アンド・プレイ・ビュー・一貫性モジュールを組み込んだ。
  論文  参考訳（メタデータ） (2024-07-08T17:59:54Z)
• SpY: A Context-Based Approach to Spacecraft Component Detection [0.0]
  本稿では、カメラフィードを用いて、未知の宇宙物体(RSO)のソーラーパネル、ボディパネル、アンテナ、スラスタなどのコンポーネントを自律的に特徴付けることに焦点を当てる。 CNNは学習パターンとオブジェクト検出の実行に優れていますが、トレーニングデータとは異なる環境で検出や誤分類を見逃すことに苦労しています。 本稿では,コンテキスト知識を取り入れたCNNの一般化性を活用した,SpaceYOLOv2(SpY)と呼ばれるエンドツーエンドオブジェクト検出器を提案する。
  論文  参考訳（メタデータ） (2024-06-26T19:18:36Z)
• SARDet-100K: Towards Open-Source Benchmark and ToolKit for Large-Scale SAR Object Detection [79.23689506129733]
  我々は,大規模SARオブジェクト検出のための新しいベンチマークデータセットとオープンソース手法を構築した。 私たちのデータセットであるSARDet-100Kは、10の既存のSAR検出データセットの厳格な調査、収集、標準化の結果です。 私たちの知る限りでは、SARDet-100KはCOCOレベルの大規模マルチクラスSARオブジェクト検出データセットとしては初めてのものです。
  論文  参考訳（メタデータ） (2024-03-11T09:20:40Z)
• InstaGen: Enhancing Object Detection by Training on Synthetic Dataset [59.445498550159755]
  本稿では,オブジェクト検出機能の向上,例えばカテゴリ拡大や検出性能の向上など,新たなパラダイムを提案する。 我々は、インスタンスレベルのグラウンドヘッドを事前訓練された生成拡散モデルに統合し、生成された画像のインスタンスをローカライズする機能で拡張する。 我々は、InstaGenと呼ばれる拡散モデルの強化版がデータシンセサイザーとして機能することを示すために、徹底的な実験を行う。
  論文  参考訳（メタデータ） (2024-02-08T18:59:53Z)
• Innovative Horizons in Aerial Imagery: LSKNet Meets DiffusionDet for Advanced Object Detection [55.2480439325792]
  本稿では,LSKNetのバックボーンをDiffusionDetヘッドに統合したオブジェクト検出モデルの詳細な評価を行う。 提案手法は平均精度(MAP)を約45.7%向上させる。 この進歩は、提案された修正の有効性を強調し、航空画像解析の新しいベンチマークを設定する。
  論文  参考訳（メタデータ） (2023-11-21T19:49:13Z)
• Advanced Efficient Strategy for Detection of Dark Objects Based on Spiking Network with Multi-Box Detection [2.9659663708260777]
  本研究は,エネルギー効率および信頼性の高い物体検出器モデルとして,スパイク層と通常の畳み込み層の組み合わせを提案する。 最先端のPythonライブラリでは、スパイク層を効率的にトレーニングすることができる。 提案したスパイク畳み込みオブジェクト検出器 (SCOD) はVOCおよびEx-Darkデータセット上で評価されている。
  論文  参考訳（メタデータ） (2023-10-10T07:20:37Z)
• Towards Real-World Prohibited Item Detection: A Large-Scale X-ray Benchmark [53.9819155669618]
  本稿では,PIDrayと命名された大規模データセットについて述べる。 大量の努力を払って、私たちのデータセットには、高品質な注釈付きセグメンテーションマスクとバウンディングボックスを備えた47,677ドルのX線画像に、禁止アイテムの12ドルカテゴリが含まれています。 提案手法は最先端の手法に対して,特に故意に隠された項目を検出するために好適に機能する。
  論文  参考訳（メタデータ） (2021-08-16T11:14:16Z)

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。