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
- Global Safe Sequential Learning via Efficient Knowledge Transfer [21.817220232038157]
多くの医学や工学の応用において、データの選択は事前の未知の安全条件によって制約される。
安全性の学習を促進するために,安全なシーケンシャル学習を提案する。
論文 参考訳(メタデータ) (2024-02-22T09:43:25Z) - Instance-Level Safety-Aware Fidelity of Synthetic Data and Its Calibration [5.089356301032639]
4種類のインスタンスレベルの忠実さを導入し、安全クリティカルなアプリケーションにおけるその役割に焦点を当てる。
目的は、合成データにテストを適用することによって、現実世界の安全性の問題を明らかにすることだ。
論文 参考訳(メタデータ) (2024-02-10T19:45:40Z) - Insights from the Field: A Comprehensive Analysis of Industrial Accidents in Plants and Strategies for Enhanced Workplace Safety [0.0]
この研究は、カグル[1]に記録された425件の産業事故に発展し、これらは全て南アメリカの12の工場で発生した。
事故発生に関する貴重な知見を明らかにし、再発傾向を特定し、根本原因を明らかにすることを目的としている。
論文 参考訳(メタデータ) (2024-02-02T22:30:18Z) - The Art of Defending: A Systematic Evaluation and Analysis of LLM
Defense Strategies on Safety and Over-Defensiveness [56.174255970895466]
大規模言語モデル(LLM)は、自然言語処理アプリケーションにおいて、ますます重要な役割を担っている。
本稿では,SODE(Safety and Over-Defensiveness Evaluation)ベンチマークを提案する。
論文 参考訳(メタデータ) (2023-12-30T17:37:06Z) - The Last Decade in Review: Tracing the Evolution of Safety Assurance
Cases through a Comprehensive Bibliometric Analysis [7.431812376079826]
安全保証は、自動車、航空宇宙、原子力など、様々な分野において最重要事項である。
安全保証ケースを使用することで、生成されたシステム機能の正しさを検証することができ、システム障害を防止することができる。
論文 参考訳(メタデータ) (2023-11-13T17:34:23Z) - Safety-Gymnasium: A Unified Safe Reinforcement Learning Benchmark [13.082034905010286]
本稿では,単一エージェントとマルチエージェントの両方のシナリオにおいて,安全クリティカルなタスクを含む環境スイートであるSafety-Gymnasiumを提案する。
Safe Policy Optimization (SafePO) という,最先端のSafeRLアルゴリズム16種からなるアルゴリズムのライブラリを提供する。
論文 参考訳(メタデータ) (2023-10-19T08:19:28Z) - Approximate Shielding of Atari Agents for Safe Exploration [83.55437924143615]
遮蔽の概念に基づく安全な探索のための原理的アルゴリズムを提案する。
本稿では,我々の近似遮蔽アルゴリズムが安全違反率を効果的に低減することを示す予備的な結果を示す。
論文 参考訳(メタデータ) (2023-04-21T16:19:54Z) - Towards Safer Generative Language Models: A Survey on Safety Risks,
Evaluations, and Improvements [76.80453043969209]
本調査では,大規模モデルに関する安全研究の枠組みについて述べる。
まず、広範囲にわたる安全問題を導入し、その後、大型モデルの安全性評価手法を掘り下げる。
トレーニングからデプロイメントまで,大規模なモデルの安全性を高めるための戦略について検討する。
論文 参考訳(メタデータ) (2023-02-18T09:32:55Z) - Evaluating Model-free Reinforcement Learning toward Safety-critical
Tasks [70.76757529955577]
本稿では、国家安全RLの観点から、この領域における先行研究を再考する。
安全最適化と安全予測を組み合わせた共同手法であるUnrolling Safety Layer (USL)を提案する。
この領域のさらなる研究を容易にするため、我々は関連するアルゴリズムを統一パイプラインで再現し、SafeRL-Kitに組み込む。
論文 参考訳(メタデータ) (2022-12-12T06:30:17Z) - Visual Detection of Personal Protective Equipment and Safety Gear on
Industry Workers [49.36909714011171]
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。
論文 参考訳(メタデータ) (2022-12-09T11:50:03Z)
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。