論文の概要: A Video-Based Activity Classification of Human Pickers in Agriculture

• arxiv url: http://arxiv.org/abs/2311.10885v1
• Date: Fri, 17 Nov 2023 22:02:42 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-22 13:46:31.871470
• Title: A Video-Based Activity Classification of Human Pickers in Agriculture
• Title（参考訳）: ビデオによる農業における人間のピッカーの行動分類
• Authors: Abhishesh Pal, Antonio C. Leite, Jon G. O. Gjevestad, P{\aa}l J. From
• Abstract要約: ビデオベースのヒューマンピッカー検出のためのベンチマークモデルを作成する。 提案手法では,Mask領域をベースとした畳み込みニューラルネットワーク(Mask R-CNN)をオブジェクト検出に用いた。 カーネル密度推定(KDE)分析とK平均クラスタリングアルゴリズムに基づいて分類基準を定義する。
• 参考スコア（独自算出の注目度）: 0.4915744683251149
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In farming systems, harvesting operations are tedious, time- and resource-consuming tasks. Based on this, deploying a fleet of autonomous robots to work alongside farmworkers may provide vast productivity and logistics benefits. Then, an intelligent robotic system should monitor human behavior, identify the ongoing activities and anticipate the worker's needs. In this work, the main contribution consists of creating a benchmark model for video-based human pickers detection, classifying their activities to serve in harvesting operations for different agricultural scenarios. Our solution uses the combination of a Mask Region-based Convolutional Neural Network (Mask R-CNN) for object detection and optical flow for motion estimation with newly added statistical attributes of flow motion descriptors, named as Correlation Sensitivity (CS). A classification criterion is defined based on the Kernel Density Estimation (KDE) analysis and K-means clustering algorithm, which are implemented upon in-house collected dataset from different crop fields like strawberry polytunnels and apple tree orchards. The proposed framework is quantitatively analyzed using sensitivity, specificity, and accuracy measures and shows satisfactory results amidst various dataset challenges such as lighting variation, blur, and occlusions.
• Abstract（参考訳）: 農業システムでは、収穫作業は退屈で、時間と資源を消費する作業である。 これに基づいて、農家と一緒に働くために自律ロボット群を配置することは、生産性とロジスティクスに大きな恩恵をもたらす可能性がある。 そして、インテリジェントなロボットシステムは、人間の行動を監視し、進行中の活動を特定し、労働者のニーズを予測すべきである。 本研究の主な貢献は,ビデオベースのピッカー検出のためのベンチマークモデルを作成し,異なる農業シナリオの収穫作業においてその活動の分類を行うことである。 提案手法では,Mask領域をベースとした畳み込みニューラルネットワーク(Mask R-CNN)をオブジェクト検出に利用し,動き推定のための光フローと,相関感性(CS)と呼ばれる新たなフロー運動記述子の統計的属性を用いた。 分類基準はKDE分析とK平均クラスタリングアルゴリズムに基づいて定義され、イチゴのポリタンヌルやリンゴの果樹園などの異なる作物畑から収集したデータセットに実装されている。 提案手法は, 感度, 特異性, 正確性を用いて定量的に分析し, 照明変動, ぼかし, 咬合などの様々な課題に対して良好な結果を示す。

関連論文リスト

• Neural Clustering based Visual Representation Learning [61.72646814537163]
  クラスタリングは、機械学習とデータ分析における最も古典的なアプローチの1つである。 本稿では,特徴抽出をデータから代表者を選択するプロセスとみなすクラスタリング(FEC)による特徴抽出を提案する。 FECは、個々のクラスタにピクセルをグループ化して抽象的な代表を配置し、現在の代表とピクセルの深い特徴を更新する。
  論文  参考訳（メタデータ） (2024-03-26T06:04:50Z)
• Self-Supervised Neuron Segmentation with Multi-Agent Reinforcement Learning [53.00683059396803]
  マスク画像モデル(MIM)は,マスク画像から元の情報を復元する簡便さと有効性から広く利用されている。 本稿では、強化学習(RL)を利用して最適な画像マスキング比とマスキング戦略を自動検索する決定に基づくMIMを提案する。 本手法は,ニューロン分節の課題において,代替自己監督法に対して有意な優位性を有する。
  論文  参考訳（メタデータ） (2023-10-06T10:40:46Z)
• Machine Learning to detect cyber-attacks and discriminating the types of power system disturbances [0.0]
  本研究では,電力系統を対象とした機械学習による攻撃検出モデルを提案する。 Phasor Measurementing Devices (PMU) から収集したデータとログを利用することで、システムの振る舞いを学習し、潜在的なセキュリティ境界を効果的に識別することを目的としている。
  論文  参考訳（メタデータ） (2023-07-06T22:32:06Z)
• A Semi-supervised Approach for Activity Recognition from Indoor Trajectory Data [0.822021749810331]
  協調生産環境において, 騒音の多い室内軌道データから移動物体の動作を分類する作業について検討する。 本稿では,まず情報理論の基準を適用し,長い軌道をセグメントに分割する半教師付き機械学習手法を提案する。 セグメントは制約付き階層的クラスタリング法に基づいて自動的にラベル付けされる。
  論文  参考訳（メタデータ） (2023-01-09T01:20:50Z)
• Scalable Intervention Target Estimation in Linear Models [52.60799340056917]
  因果構造学習への現在のアプローチは、既知の介入目標を扱うか、仮説テストを使用して未知の介入目標を発見する。 本稿では、全ての介入対象を一貫して識別するスケーラブルで効率的なアルゴリズムを提案する。 提案アルゴリズムは、与えられた観測マルコフ同値クラスを介入マルコフ同値クラスに更新することも可能である。
  論文  参考訳（メタデータ） (2021-11-15T03:16:56Z)
• TRiPOD: Human Trajectory and Pose Dynamics Forecasting in the Wild [77.59069361196404]
  TRiPODは、グラフの注目ネットワークに基づいて身体のダイナミクスを予測する新しい方法です。 実世界の課題を取り入れるために,各フレームで推定された身体関節が可視・視認可能かどうかを示す指標を学習する。 評価の結果,TRiPODは,各軌道に特化して設計され,予測タスクに特化している。
  論文  参考訳（メタデータ） (2021-04-08T20:01:00Z)
• Federated Learning with Heterogeneous Labels and Models for Mobile Activity Monitoring [0.7106986689736827]
  デバイス上でのフェデレーション学習は、分散的で協調的な機械学習に効果的なアプローチであることが証明されている。 本稿では,複数の活動にまたがる重なり合う情報ゲインを利用したラベルに基づくアグリゲーションのためのフレームワークを提案する。 Raspberry Pi 2上のHeterogeneity Human Activity Recognition (HHAR)データセットによる経験的評価は、決定論的精度が少なくとも11.01%向上したことを示している。
  論文  参考訳（メタデータ） (2020-12-04T11:44:17Z)
• AIRSENSE-TO-ACT: A Concept Paper for COVID-19 Countermeasures based on Artificial Intelligence algorithms and multi-sources Data Processing [0.0]
  本報告では、新型コロナウイルスのパンデミックなどの緊急事態対策と対策のために、定量的かつ多スケールな要素をベースとした、対象とする対策の実施を支援するための新しいツールについて述べる。 このツールは集中型システム(Webアプリケーション)であり、単一のマルチユーザプラットフォームであり、異種データの処理に人工知能(AI)アルゴリズムに依存しており、出力レベルのリスクを生み出すことができる。 このモデルには、まず選択された入力間の相関を学習するために訓練される特定のニューラルネットワークが含まれている。
  論文  参考訳（メタデータ） (2020-11-07T17:50:14Z)
• Estimating Structural Target Functions using Machine Learning and Influence Functions [103.47897241856603]
  統計モデルから特定可能な関数として生じる対象関数の統計的機械学習のための新しい枠組みを提案する。 このフレームワークは問題とモデルに依存しないものであり、応用統計学における幅広い対象パラメータを推定するのに使用できる。 我々は、部分的に観測されていない情報を持つランダム/二重ロバストな問題において、いわゆる粗大化に特に焦点をあてた。
  論文  参考訳（メタデータ） (2020-08-14T16:48:29Z)
• A Trainable Optimal Transport Embedding for Feature Aggregation and its Relationship to Attention [96.77554122595578]
  固定サイズのパラメータ化表現を導入し、与えられた入力セットから、そのセットとトレーニング可能な参照の間の最適な輸送計画に従って要素を埋め込み、集約する。 我々のアプローチは大規模なデータセットにスケールし、参照のエンドツーエンドのトレーニングを可能にすると同時に、計算コストの少ない単純な教師なし学習メカニズムも提供する。
  論文  参考訳（メタデータ） (2020-06-22T08:35:58Z)
• Clustering with Fast, Automated and Reproducible assessment applied to longitudinal neural tracking [3.817161834189992]
  C-FARは階層的クラスタリングアルゴリズムを同時に評価する新しい手法である。 提案アルゴリズムは,複数の階層的クラスタリング木を入力として,人間のフィードバックに対して戦略的にペアを問合せし,これらの木に推薦された木の中から最適なクラスタリングを出力する。 私たちのフラッグシップアプリケーションは、スパイクソートにおけるクラスタアグリゲーションステップであり、ニューロンに録音中の波形(スパイク)を割り当てるタスクです。
  論文  参考訳（メタデータ） (2020-03-19T01:33:00Z)

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。