論文の概要: HOOD: Real-Time Robust Human Presence and Out-of-Distribution Detection
with Low-Cost FMCW Radar
- arxiv url: http://arxiv.org/abs/2308.02396v1
- Date: Mon, 24 Jul 2023 17:09:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-14 01:48:04.519005
- Title: HOOD: Real-Time Robust Human Presence and Out-of-Distribution Detection
with Low-Cost FMCW Radar
- Title（参考訳）: HOOD:低速度FMCWレーダを用いた実時間ロバスト人間の存在と分布外検出
- Authors: Sabri Mustafa Kahya, Muhammet Sami Yavuz, Eckehard Steinbach
- Abstract要約: 本研究は、リアルタイムの堅牢な人間の存在とアウト・オブ・ディストリビューション(OOD)検出手法として「HOOD」を提案する。
我々は,OOD検出問題として存在検出アプリケーションにアプローチし,単一パイプラインを用いて2つの問題を同時に解決する。
我々のソリューションは再構成アーキテクチャに依存し、レーダマクロとマイクロレンジドップラー画像(RDI)で動作する。
- 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: Human presence detection in indoor environments using millimeter-wave
frequency-modulated continuous-wave (FMCW) radar is challenging due to the
presence of moving and stationary clutters in indoor places. This work proposes
"HOOD" as a real-time robust human presence and out-of-distribution (OOD)
detection method by exploiting 60 GHz short-range FMCW radar. We approach the
presence detection application as an OOD detection problem and solve the two
problems simultaneously using a single pipeline. Our solution relies on a
reconstruction-based architecture and works with radar macro and micro
range-Doppler images (RDIs). HOOD aims to accurately detect the "presence" of
humans in the presence or absence of moving and stationary disturbers. Since it
is also an OOD detector, it aims to detect moving or stationary clutters as OOD
in humans' absence and predicts the current scene's output as "no presence."
HOOD is an activity-free approach that performs well in different human
scenarios. On our dataset collected with a 60 GHz short-range FMCW Radar, we
achieve an average AUROC of 94.36%. Additionally, our extensive evaluations and
experiments demonstrate that HOOD outperforms state-of-the-art (SOTA) OOD
detection methods in terms of common OOD detection metrics. Our real-time
experiments are available at: https://muskahya.github.io/HOOD
- Abstract（参考訳）: 室内環境におけるFMCW(ミリ波周波数変調連続波レーダ)を用いた人的存在検出は,室内における移動・定常的クラッタの存在により困難である。
本研究は,60GHz短距離FMCWレーダを有効利用し,実時間ロバストな人間の存在とアウト・オブ・ディストリビューション(OOD)検出手法として「HOOD」を提案する。
我々は,OOD検出問題として存在検出アプリケーションにアプローチし,単一パイプラインを用いて2つの問題を同時に解決する。
我々のソリューションは再構成アーキテクチャに依存し、レーダーマクロとマイクロレンジドップラー画像(RDI)で動作する。
hoodは、移動障害や静止障害の有無において、人間の"presence"を正確に検出することを目的としている。
また、OOD検知器でもあるため、人間の不在時にOODとして移動または静止した乱れを検知し、現在のシーンの出力を「存在しない」と予測することを目的としている。
HOODはアクティビティフリーのアプローチで、さまざまな人間のシナリオでうまく機能します。
60GHzの短距離FMCWレーダで収集したデータセットでは、平均94.36%のAUROCを達成した。
さらに, HOODがSOTA(State-of-the-art (SOTA) OOD検出法より, 一般的なOOD検出指標よりも優れていることを示す。
私たちのリアルタイム実験は、https://muskahya.github.io/hoodで利用可能です。
関連論文リスト
- Multi-stage Learning for Radar Pulse Activity Segmentation [51.781832424705094]
無線信号認識は電子戦において重要な機能である。
電子戦システムでは、レーダパルス活動の正確な識別と位置決めが要求される。
ディープラーニングに基づくレーダーパルス活動認識法は、ほとんど未検討のままである。
論文 参考訳（メタデータ） (2023-12-15T01:56:27Z) - HAROOD: Human Activity Classification and Out-of-Distribution Detection
with Short-Range FMCW Radar [0.0]
本研究では,短距離FMCWレーダを用いた人間活動分類器とアウト・オブ・ディストリビューション検出器としてHAROODを提案する。
人間の立位、立位、歩行活動を分類し、OODとして他の移動物体や静止物体を検出することを目的としている。
60GHz短距離FMCWレーダーで収集したデータセットでは、平均的な分類精度は96.51%である。
論文 参考訳（メタデータ） (2023-12-14T12:56:28Z) - Beyond AUROC & co. for evaluating out-of-distribution detection
performance [50.88341818412508]
安全(r)AIとの関連性を考えると,OOD検出法の比較の基礎が実用的ニーズと整合しているかどうかを検討することが重要である。
我々は,IDとOODの分離が不十分なことを明示する新しい指標であるAUTC(Area Under the Threshold Curve)を提案する。
論文 参考訳（メタデータ） (2023-06-26T12:51:32Z) - MCROOD: Multi-Class Radar Out-Of-Distribution Detection [0.0]
本研究は,レーダレンジドップラー画像(RDI)を用いた再構成型マルチクラスOOD検出器を提案する。
この検出器は、OODとして座っている人、立っている人、歩いている人以外の移動物体を分類することを目的としている。
また,呼吸などの人体運動を簡易かつ効果的に検出する前処理技術も提供する。
論文 参考訳（メタデータ） (2023-03-10T22:44:24Z) - Reconstruction-based Out-of-Distribution Detection for Short-Range FMCW
Radar [0.0]
本稿では,レーダ領域で動作する新しい再構成型OOD検出器を提案する。
提案手法はオートエンコーダ(AE)とその潜在表現を利用してOODサンプルを検出する。
我々は60GHz短距離FMCWレーダを用いて収集したデータセットに対して90.72%のAUROCを達成した。
論文 参考訳（メタデータ） (2023-02-27T23:03:51Z) - Unsupervised Evaluation of Out-of-distribution Detection: A Data-centric
Perspective [55.45202687256175]
アウト・オブ・ディストリビューション(OOD)検出法は、個々のテストサンプルがイン・ディストリビューション(IND)なのかOODなのかという、試験対象の真実を持っていると仮定する。
本稿では,OOD検出における教師なし評価問題を初めて紹介する。
我々は,OOD検出性能の教師なし指標としてGscoreを計算する3つの方法を提案する。
論文 参考訳（メタデータ） (2023-02-16T13:34:35Z) - Rethinking Out-of-distribution (OOD) Detection: Masked Image Modeling is
All You Need [52.88953913542445]
簡単な再構築手法を用いることで,OOD検出の性能が大幅に向上する可能性が示唆された。
我々は、OOD検出フレームワーク(MOOD)のプリテキストタスクとして、マスケ画像モデリング(Masked Image Modeling)を採用する。
論文 参考訳（メタデータ） (2023-02-06T08:24:41Z) - Out-of-distribution Detection with Deep Nearest Neighbors [33.71627349163909]
アウト・オブ・ディストリビューション(OOD)検出は、オープンな世界で機械学習モデルをデプロイするための重要なタスクである。
本稿では,OOD検出における非パラメトリック近接距離の有効性について検討する。
いくつかのベンチマークで最寄りのOOD検出の有効性を実証し,優れた性能を示す。
論文 参考訳（メタデータ） (2022-04-13T16:45:21Z) - ATOM: Robustifying Out-of-distribution Detection Using Outlier Mining [51.19164318924997]
インフォメーション・アウトリエ・マイニングによるアドリアトレーニングは、OOD検出の堅牢性を向上させる。
ATOMは,古典的,敵対的なOOD評価タスクの幅広いファミリーの下で,最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2020-06-26T20:58:05Z) - Robust Out-of-distribution Detection for Neural Networks [51.19164318924997]
既存の検出機構は, 分布内およびOOD入力の評価において, 極めて脆弱であることを示す。
ALOE と呼ばれる実効性のあるアルゴリズムを提案する。このアルゴリズムは,逆向きに構築された逆数と外数の両方の例にモデルを公開することにより,堅牢なトレーニングを行う。
論文 参考訳（メタデータ） (2020-03-21T17:46:28Z)
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。