論文の概要: HOOD: Real-Time Human Presence and Out-of-Distribution Detection Using FMCW Radar

• arxiv url: http://arxiv.org/abs/2308.02396v2
• Date: Tue, 26 Mar 2024 23:17:24 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-28 23:02:36.358463
• Title: HOOD: Real-Time Human Presence and Out-of-Distribution Detection Using FMCW Radar
• Title（参考訳）: HOOD:FMCWレーダを用いたリアルタイム人間プレゼンスとアウト・オブ・ディストリビューション検出
• Authors: Sabri Mustafa Kahya, Muhammet Sami Yavuz, Eckehard Steinbach,
• Abstract要約: 60GHz短距離FMCWレーダを用いたリアルタイム能動人体の存在・分布外検出法 Hoodは人間の存在を正確に検知することを目的としている。 60GHzの短距離FMCWレーダーで収集したデータセットでは、平均94.36%のAUROCを達成した。
• 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: Detecting human presence indoors with millimeter-wave frequency-modulated continuous-wave (FMCW) radar faces challenges from both moving and stationary clutter. This work proposes a robust and real-time capable human presence and out-of-distribution (OOD) detection method using 60 GHz short-range FMCW radar. HOOD solves the human presence and OOD detection problems simultaneously in 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 HOOD 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 performs well in diverse scenarios, demonstrating its effectiveness across different human activities and situations. 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. Importantly, HOOD also perfectly fits on Raspberry Pi 3B+ with an ARM Cortex-A53 CPU, which showcases its versatility across different hardware environments. Videos of our human presence detection experiments are available at: https://muskahya.github.io/HOOD
• Abstract（参考訳）: ミリ波周波数変調連続波レーダ(FMCW)による屋内での人間の存在検出は、移動と静止両方のクラッタによる課題に直面している。 本研究は60GHz短距離FMCWレーダを用いた頑健でリアルタイムな人的存在・分布外検出法を提案する。 HOODは、人間の存在とOOD検出を同時に1つのパイプラインで解決する。 我々のソリューションは、再構成に基づく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は人間の存在を正確に検知することを目的としている。 HOODはOOD検出器でもあるため、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は多様なシナリオでよく機能し、その効果をさまざまな人間の活動や状況にわたって示す。 60GHzの短距離FMCWレーダー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。 重要な点として、HOODはRaspberry Pi 3B+とARM Cortex-A53 CPUに完全にフィットする。 人間の存在検出実験のビデオは、https://muskahya.github.io/HOODで公開されています。

関連論文リスト

• Compressing VAE-Based Out-of-Distribution Detectors for Embedded Deployment [2.27626288527213]
  アウト・オブ・ディストリビューション検出器は、組込みサイバー物理システムの安全モニターとして機能する。 ディープニューラルネットワークは、メモリと電力の制約のある組み込みシステムにおいて、リアルタイムの期限を満たすのが難しくなる。 本稿では,3つの圧縮手法をすべて組み合わせた設計手法を提案し,メモリと実行時間を大幅に削減する。
  論文  参考訳（メタデータ） (2024-09-02T00:39:29Z)
• FOOD: Facial Authentication and Out-of-Distribution Detection with Short-Range FMCW Radar [0.0]
  本稿では,短距離FMCWレーダを用いた顔認証とオフ・オブ・ディストリビューション(OOD)検出フレームワークを提案する。 本研究パイプラインは,IDサンプルの正しいクラスを共同で推定し,OODサンプルを検出して不正確な予測を防止する。 また,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,分布しない顔の識別における平均分類精度98.07%を実現した。
  論文  参考訳（メタデータ） (2024-06-06T23:08:03Z)
• Radar Fields: Frequency-Space Neural Scene Representations for FMCW Radar [62.51065633674272]
  本稿では,アクティブレーダイメージア用に設計されたニューラルシーン再構成手法であるRadar Fieldsを紹介する。 提案手法では,暗黙的ニューラルジオメトリとリフレクタンスモデルを用いて,暗黙的な物理インフォームドセンサモデルを構築し,生のレーダ測定を直接合成する。 本研究では,密集した車両やインフラを備えた都市景観を含む,多様な屋外シナリオにおける手法の有効性を検証する。
  論文  参考訳（メタデータ） (2024-05-07T20:44:48Z)
• 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)
• 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)
• 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。