論文の概要: Detection and Localization of Firearm Carriers in Complex Scenes for Improved Safety Measures

• arxiv url: http://arxiv.org/abs/2309.09236v1
• Date: Sun, 17 Sep 2023 10:50:46 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-19 16:41:25.286300
• Title: Detection and Localization of Firearm Carriers in Complex Scenes for Improved Safety Measures
• Title（参考訳）: 複合施設における安全対策のための消防車の検出と配置
• Authors: Arif Mahmood, Abdul Basit, M. Akhtar Munir, Mohsen Ali
• Abstract要約: 本稿では,銃器通信事業者の地域化に有用な手がかりを提供する,人と銃器のインタラクション情報を活用する新しいアプローチを提案する。 本手法は,人や銃器を背景から効果的に識別する機構を,関連分野に着目して組み込んだものである。 異なる大きさの入力を処理するために,注目マスク付き対のヒューマン・ファイアアーム・インスタンスをディープネットワークを介してチャネルとして通過し,特徴計算を行う。
• 参考スコア（独自算出の注目度）: 17.03422574286601
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Detecting firearms and accurately localizing individuals carrying them in images or videos is of paramount importance in security, surveillance, and content customization. However, this task presents significant challenges in complex environments due to clutter and the diverse shapes of firearms. To address this problem, we propose a novel approach that leverages human-firearm interaction information, which provides valuable clues for localizing firearm carriers. Our approach incorporates an attention mechanism that effectively distinguishes humans and firearms from the background by focusing on relevant areas. Additionally, we introduce a saliency-driven locality-preserving constraint to learn essential features while preserving foreground information in the input image. By combining these components, our approach achieves exceptional results on a newly proposed dataset. To handle inputs of varying sizes, we pass paired human-firearm instances with attention masks as channels through a deep network for feature computation, utilizing an adaptive average pooling layer. We extensively evaluate our approach against existing methods in human-object interaction detection and achieve significant results (AP=77.8\%) compared to the baseline approach (AP=63.1\%). This demonstrates the effectiveness of leveraging attention mechanisms and saliency-driven locality preservation for accurate human-firearm interaction detection. Our findings contribute to advancing the fields of security and surveillance, enabling more efficient firearm localization and identification in diverse scenarios.
• Abstract（参考訳）: 銃器を検知し、それらを画像やビデオで正確に位置決めすることは、セキュリティ、監視、コンテンツカスタマイズにおいて最重要となる。 しかし, この課題は, 乱雑さや銃器の多様な形状が原因で, 複雑な環境において重大な課題となる。 この問題に対処するため,我々は,火器と火器の相互作用情報を活用する新しいアプローチを提案する。 本手法は,人間と銃器を背景から効果的に区別する注意機構を組み込んだものである。 さらに,入力画像のフォアグラウンド情報を保持しながら,重要な特徴を学習するための局所性保存制約を導入する。 これらのコンポーネントを組み合わせることで、新しく提案されたデータセットで特別な結果が得られる。 各種サイズの入力を処理するため,適応平均プーリング層を用いて,注目マスク付き対の人火器インスタンスをディープネットワークを介してチャネルとして通過する。 本研究では,人間と物体の相互作用検出における既存の手法に対するアプローチを広く評価し,ベースラインアプローチ(AP=63.1\%)と比較して有意な結果(AP=77.8\%)を得た。 このことは、人-火器相互作用の正確な検出に注意機構と塩分による局所性保存を活用することの有効性を示す。 我々の発見は、セキュリティと監視の分野の発展に寄与し、様々なシナリオにおけるより効率的な銃器のローカライゼーションと識別を可能にします。

関連論文リスト

• Understanding Human Activity with Uncertainty Measure for Novelty in Graph Convolutional Networks [2.223052975765005]
  本稿では,テンポラルフュージョングラフ畳み込みネットワークについて紹介する。 これは、アクティビティストリーム内の個々のアクションの境界推定が不十分であることを是正することを目的としている。 また、時間次元における過分割の問題も緩和する。
  論文  参考訳（メタデータ） (2024-10-10T13:44:18Z)
• AI-Based Energy Transportation Safety: Pipeline Radial Threat Estimation Using Intelligent Sensing System [52.93806509364342]
  本稿では,分散光ファイバーセンシング技術に基づくエネルギーパイプラインの放射状脅威推定手法を提案する。 本稿では,包括的信号特徴抽出のための連続的マルチビュー・マルチドメイン機能融合手法を提案する。 本研究では,事前学習モデルによる伝達学習の概念を取り入れ,認識精度と学習効率の両立を図る。
  論文  参考訳（メタデータ） (2023-12-18T12:37:35Z)
• Attention Based Feature Fusion For Multi-Agent Collaborative Perception [4.120288148198388]
  グラフアテンションネットワーク(GAT)の形での中間的協調認識ソリューションを提案する。 提案手法は,複数の連結エージェント間で交換される中間表現を融合するアテンションベースのアグリゲーション戦略を開発する。 このアプローチは、チャネルレベルと空間レベルの中間特徴写像における重要な領域を適応的に強調することにより、オブジェクト検出精度が向上する。
  論文  参考訳（メタデータ） (2023-05-03T12:06:11Z)
• CCTV-Gun: Benchmarking Handgun Detection in CCTV Images [59.24281591714385]
  銃の暴力は重要なセキュリティ問題であり、コンピュータビジョンコミュニティが効果的な銃検出アルゴリズムを開発することが必須である。 実際のCCTV画像から銃を検出することは、未だに困難で未調査の課題である。 我々は,実世界のCCTV画像における拳銃検出の課題に対処するベンチマーク「textbfCCTV-Gun」を提案する。
  論文  参考訳（メタデータ） (2023-03-19T16:17:35Z)
• PS-ARM: An End-to-End Attention-aware Relation Mixer Network for Person Search [56.02761592710612]
  モジュール・パーソン・サーチのための新しいアテンション・アウェア・リレーション・ミキサー(ARM)を提案する。 私たちのARMモジュールはネイティブで、きめ細かい監督やトポロジカルな仮定に依存していません。 我々のPS-ARMは、両方のデータセット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） (2022-10-07T10:04:12Z)
• ACP++: Action Co-occurrence Priors for Human-Object Interaction Detection [102.9428507180728]
  ヒューマン・オブジェクト・インタラクション(HOI)検出のタスクにおける一般的な問題は、多数のHOIクラスが少数のラベル付き例しか持たないことである。 我々は、人間と物体の相互作用の間に自然の相関関係と反相関が存在することを観察した。 我々は、これらの先行知識を学習し、特に稀なクラスにおいて、より効果的な訓練に活用する手法を提案する。
  論文  参考訳（メタデータ） (2021-09-09T06:02:50Z)
• Distributed Reinforcement Learning for Flexible and Efficient UAV Swarm Control [28.463670610865837]
  本稿では,大規模群に拡大する分散強化学習(RL)手法を提案する。 本実験では, 本手法がコミュニケーションチャネル障害に強い効果的な戦略を導出できることを示した。 また,本手法は計算集約的なルックアヘッドに比べて優れた性能を実現することを示す。
  論文  参考訳（メタデータ） (2021-03-08T11:06:28Z)
• A Self-Training Approach for Point-Supervised Object Detection and Counting in Crowds [54.73161039445703]
  本稿では,ポイントレベルのアノテーションのみを用いて訓練された典型的なオブジェクト検出を可能にする,新たな自己学習手法を提案する。 トレーニング中、利用可能なポイントアノテーションを使用して、オブジェクトの中心点の推定を監督する。 実験の結果,本手法は検出タスクとカウントタスクの両方において,最先端のポイント管理手法よりも有意に優れていた。
  論文  参考訳（メタデータ） (2020-07-25T02:14:42Z)
• Localizing Firearm Carriers by Identifying Human-Object Pairs [12.425090880770977]
  ある画像では、人間と銃器が別々に検出されます。検出された各人間は、検出された各銃器とペアリングされ、オブジェクトと人間の両方を含む、ペアリングされたバウンディングボックスを作成できます。 ネットワークは、これらのペアリングされたバウンディングボックスを、識別された銃を持った人間に分類するよう訓練されている。
  論文  参考訳（メタデータ） (2020-05-19T09:50:23Z)
• Towards High Performance Human Keypoint Detection [87.1034745775229]
  文脈情報は人体構成や見えないキーポイントを推論する上で重要な役割を担っている。 そこで我々は,空間とチャネルのコンテキスト情報を効率的に統合するカスケードコンテキストミキサー(CCM)を提案する。 CCMの表現能力を最大化するために、我々は、強陰性な人検出マイニング戦略と共同訓練戦略を開発する。 検出精度を向上させるために,キーポイント予測を後処理するためのいくつかのサブピクセル改良手法を提案する。
  論文  参考訳（メタデータ） (2020-02-03T02:24:51Z)

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。