論文の概要: A Video-based Detector for Suspicious Activity in Examination with OpenPose

• arxiv url: http://arxiv.org/abs/2307.11413v1
• Date: Fri, 21 Jul 2023 08:15:39 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-24 13:10:26.924250
• Title: A Video-based Detector for Suspicious Activity in Examination with OpenPose
• Title（参考訳）: OpenPose を用いた検査における注意点検出装置
• Authors: Reuben Moyo, Stanley Ndebvu, Michael Zimba, Jimmy Mbelwa
• Abstract要約: 本稿では,ビデオ分析や検査中の不審な動作の検出に自動化を利用するフレームワークを提案する。 我々は,OpenPoseフレームワークと畳み込みニューラルネットワーク(CNN)を用いて,試験中にオブジェクトを交換する学生を特定した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Examinations are a crucial part of the learning process, and academic institutions invest significant resources into maintaining their integrity by preventing cheating from students or facilitators. However, cheating has become rampant in examination setups, compromising their integrity. The traditional method of relying on invigilators to monitor every student is impractical and ineffective. To address this issue, there is a need to continuously record exam sessions to monitor students for suspicious activities. However, these recordings are often too lengthy for invigilators to analyze effectively, and fatigue may cause them to miss significant details. To widen the coverage, invigilators could use fixed overhead or wearable cameras. This paper introduces a framework that uses automation to analyze videos and detect suspicious activities during examinations efficiently and effectively. We utilized the OpenPose framework and Convolutional Neural Network (CNN) to identify students exchanging objects during exams. This detection system is vital in preventing cheating and promoting academic integrity, fairness, and quality education for institutions.
• Abstract（参考訳）: 試験は学習過程の重要な部分であり、学術機関は学生やファシリテーターからの不正行為を防止し、その完全性を維持するために重要なリソースを投入している。 しかし、不正行為は試験のセットアップで盛んになり、その完全性を損なうことになる。 すべての生徒を監視するためにインヴィゲータに依存する伝統的な方法は非実用的で非効率である。 この問題に対処するためには,学生の疑わしい活動を監視するために,試験セッションを継続的に記録する必要がある。 しかし、これらの録音はインヴィゲータが効果的に分析するには長すぎることが多く、疲労は重要な詳細を見逃してしまう可能性がある。 範囲を広げるために、インヴィゲータは頭上固定カメラやウェアラブルカメラを使うことができた。 本稿では,自動化を利用して映像を分析し,検査中の不審な活動を効率的に検出するフレームワークを提案する。 我々は,OpenPoseフレームワークと畳み込みニューラルネットワーク(CNN)を用いて,試験中にオブジェクトを交換する学生を特定した。 この検出システムは,学術的完全性,公平性,質の高い教育の不正防止と促進に不可欠である。

関連論文リスト

• AI-assisted Gaze Detection for Proctoring Online Exams [6.743433721135328]
  高額のオンライン試験では、潜在的なルール違反を検知し、テストの安全性を確保することが重要である。 本研究では,テストテイクがスクリーンから遠ざかっているかどうかを検知する作業について検討する。 本稿では,AIを利用した視線検出システムを提案する。これにより,プロクターは異なる映像フレームをナビゲートし,テストテイクが同じ方向を向いている映像フレームを発見することができる。
  論文  参考訳（メタデータ） (2024-09-25T13:31:37Z)
• Examining Monitoring System: Detecting Abnormal Behavior In Online Examinations [1.5613363580649218]
  オンライン検診における異常行動検出システム」は, 生徒の異常行動の特定を支援する。 本システムは,リアルタイムシナリオにおける不正検出の精度と高速化を実証する。
  論文  参考訳（メタデータ） (2024-02-19T14:37:17Z)
• Faithful Knowledge Distillation [75.59907631395849]
  i) 教師と学生は、正しく分類されたデータセットのサンプルに近い点で意見が一致しないか、(ii) 蒸留した学生は、データセットのサンプルに関する教師と同じくらい自信があるか、という2つの重要な質問に焦点をあてる。 これらは、安全クリティカルな設定の中で、堅牢な教師から訓練された小さな学生ネットワークを配置することを考えると、重要な問題である。
  論文  参考訳（メタデータ） (2023-06-07T13:41:55Z)
• Detecting Deepfake by Creating Spatio-Temporal Regularity Disruption [94.5031244215761]
  本稿では,実際のビデオにない「規則性破壊」を識別することで,ディープフェイク検出の一般化を促進することを提案する。 具体的には、空間的・時間的特性を慎重に調べることで、擬似フェイク発生器による実映像の破壊を提案する。 このような手法により,フェイクビデオを使わずにディープフェイク検出が可能となり,よりシンプルかつ効率的に一般化能力を向上させることができる。
  論文  参考訳（メタデータ） (2022-07-21T10:42:34Z)
• Adversarially-Aware Robust Object Detector [85.10894272034135]
  本稿では,ロバスト検出器 (RobustDet) を提案する。 本モデルは, クリーン画像の検出能力を維持しながら, 傾きを効果的に解き, 検出堅牢性を著しく向上させる。
  論文  参考訳（メタデータ） (2022-07-13T13:59:59Z)
• An Empirical Study of End-to-End Temporal Action Detection [82.64373812690127]
  時間的行動検出(TAD)はビデオ理解において重要な課題である。 エンド・ツー・エンドの学習よりも、既存のほとんどの手法では、ヘッドオンリーの学習パラダイムを採用しています。 頭のみの学習よりもエンド・ツー・エンドの学習の利点を検証し、最大11%のパフォーマンス向上を観察する。
  論文  参考訳（メタデータ） (2022-04-06T16:46:30Z)
• Image-Hashing-Based Anomaly Detection for Privacy-Preserving Online Proctoring [5.113513399537608]
  オンライン・プロクタリングはオンライン教育において欠かせないものとなっている。 ビデオベースのクラウドソースオンラインプロクターソリューションが使用されており、受験生のビデオは第三者によって監視されている。 本稿では,プライバシ保護型オンラインプロクタシステムを提案する。
  論文  参考訳（メタデータ） (2021-07-20T09:45:05Z)
• Robust Vision-Based Cheat Detection in Competitive Gaming [12.124621973070164]
  本稿では,フレームバッファの最終状態をキャプチャし,不正オーバーレイを検出するビジョンベースアプローチを提案する。 以上の結果から,機械学習によるロバストで効果的な解凍は実現可能であることが示された。
  論文  参考訳（メタデータ） (2021-03-18T06:06:52Z)
• E-cheating Prevention Measures: Detection of Cheating at Online Examinations Using Deep Learning Approach -- A Case Study [1.0152838128195467]
  この研究は、Covid-19パンデミック中に特に関連があるオンラインアセスメントの現在の問題に対処します。 我々は,オンライン不正行為を検知するメカニズムとして,eラーティング・インテリジェンス・エージェントを利用した。
  論文  参考訳（メタデータ） (2021-01-25T01:09:54Z)
• Combining Self-Training and Self-Supervised Learning for Unsupervised Disfluency Detection [80.68446022994492]
  本研究では,未ラベルテキストコーパスを扱える教師なし学習パラダイムについて検討する。 我々のモデルは、自己学習の考え方を拡張する半教師あり学習アプローチである、雑音学習(Noisy Student Training)に関する最近の研究に基づいている。
  論文  参考訳（メタデータ） (2020-10-29T05:29:26Z)
• ZSTAD: Zero-Shot Temporal Activity Detection [107.63759089583382]
  本研究では,ゼロショット時間的活動検出(ZSTAD)と呼ばれる新たなタスク設定を提案する。 このソリューションのアーキテクチャとして,R-C3Dに基づくエンドツーエンドのディープネットワークを設計する。 THUMOS14とCharadesデータセットの両方の実験は、目に見えない活動を検出するという点で有望なパフォーマンスを示している。
  論文  参考訳（メタデータ） (2020-03-12T02:40:36Z)

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。