論文の概要: HAROOD: Human Activity Classification and Out-of-Distribution Detection with Short-Range FMCW Radar

• arxiv url: http://arxiv.org/abs/2312.08894v1
• Date: Thu, 14 Dec 2023 12:56:28 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-15 22:12:52.935983
• Title: HAROOD: Human Activity Classification and Out-of-Distribution Detection with Short-Range FMCW Radar
• Title（参考訳）: harood:短距離fmcwレーダによる行動分類と分布検出
• Authors: Sabri Mustafa Kahya, Muhammet Sami Yavuz, Eckehard Steinbach
• Abstract要約: 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。
• 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: We propose HAROOD as a short-range FMCW radar-based human activity classifier and out-of-distribution (OOD) detector. It aims to classify human sitting, standing, and walking activities and to detect any other moving or stationary object as OOD. We introduce a two-stage network. The first stage is trained with a novel loss function that includes intermediate reconstruction loss, intermediate contrastive loss, and triplet loss. The second stage uses the first stage's output as its input and is trained with cross-entropy loss. It creates a simple classifier that performs the activity classification. On our dataset collected by 60 GHz short-range FMCW radar, we achieve an average classification accuracy of 96.51%. Also, we achieve an average AUROC of 95.04% as an OOD detector. Additionally, our extensive evaluations demonstrate the superiority of HAROOD over the state-of-the-art OOD detection methods in terms of standard OOD detection metrics.
• Abstract（参考訳）: 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(OOD)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。 2段階ネットワークを導入する。 第1段階は、中間再構成損失、中間コントラスト損失、三重項損失を含む新規な損失関数で訓練される。 第2段階は第1段階の出力を入力として使用し、クロスエントロピー損失で訓練される。 アクティビティ分類を実行する単純な分類器を生成する。 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。 また、OOD検出器として平均95.04%のAUROCを達成する。 さらに, 標準のood検出指標を用いて, 最先端のood検出法よりもharoodが優れていることを示す。

関連論文リスト

• 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)
• A noisy elephant in the room: Is your out-of-distribution detector robust to label noise? [49.88894124047644]
  我々は、最先端のOOD検出方法20について詳しく検討する。 不正に分類されたIDサンプルとOODサンプルの分離が不十分であることを示す。
  論文  参考訳（メタデータ） (2024-04-02T09:40:22Z)
• Scaling for Training Time and Post-hoc Out-of-distribution Detection Enhancement [41.650761556671775]
  本稿では,最近の最先端のアウト・オブ・ディストリビューション(OOD)検出手法に関する知見と分析を行う。 我々は,活性化拡大がOOD検出に有害な影響を及ぼす一方で,活性化スケーリングが促進されることを実証した。 OpenOOD v1.5 ImageNet-1Kベンチマークで、AUROCスコアは、近OODでは+1.85%、遠OODデータセットでは+0.74%である。
  論文  参考訳（メタデータ） (2023-09-30T02:10:54Z)
• From Global to Local: Multi-scale Out-of-distribution Detection [129.37607313927458]
  アウト・オブ・ディストリビューション(OOD)検出は、イン・ディストリビューション(ID)トレーニングプロセス中にラベルが見られない未知のデータを検出することを目的としている。 近年の表現学習の進歩により,距離に基づくOOD検出がもたらされる。 グローバルな視覚情報と局所的な情報の両方を活用する第1のフレームワークであるマルチスケールOOD検出(MODE)を提案する。
  論文  参考訳（メタデータ） (2023-08-20T11:56:25Z)
• HOOD: Real-Time Human Presence and Out-of-Distribution Detection Using FMCW Radar [0.0]
  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。
  論文  参考訳（メタデータ） (2023-07-24T17:09:40Z)
• 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)
• 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)
• Triggering Failures: Out-Of-Distribution detection by learning from local adversarial attacks in Semantic Segmentation [76.2621758731288]
  セグメンテーションにおけるアウト・オブ・ディストリビューション(OOD)オブジェクトの検出に取り組む。 私たちの主な貢献は、ObsNetと呼ばれる新しいOOD検出アーキテクチャであり、ローカル・アタック(LAA)に基づく専用トレーニングスキームと関連付けられています。 3つの異なるデータセットの文献の最近の10つの手法と比較して,速度と精度の両面で最高の性能が得られることを示す。
  論文  参考訳（メタデータ） (2021-08-03T17:09:56Z)
• 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。