論文の概要: mmID: High-Resolution mmWave Imaging for Human Identification

• arxiv url: http://arxiv.org/abs/2402.00996v1
• Date: Thu, 1 Feb 2024 20:19:38 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-05 17:53:21.952853
• Title: mmID: High-Resolution mmWave Imaging for Human Identification
• Title（参考訳）: mmID:ヒト同定のための高分解能mWaveイメージング
• Authors: Sakila S. Jayaweera, Sai Deepika Regani, Yuqian Hu, Beibei Wang, and K. J. Ray Liu
• Abstract要約: 本稿では,条件付き生成逆数ネットワーク(cGAN)を用いて人体全体を推定することで画像分解能を向上させることを提案する。 本システムは,人間の識別に有用な特徴を抽出できる,環境に依存しない高解像度画像を生成する。 その結果,Kinectデバイスに5%のシルエット差が認められた。
• 参考スコア（独自算出の注目度）: 16.01613518230451
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Achieving accurate human identification through RF imaging has been a persistent challenge, primarily attributed to the limited aperture size and its consequent impact on imaging resolution. The existing imaging solution enables tasks such as pose estimation, activity recognition, and human tracking based on deep neural networks by estimating skeleton joints. In contrast to estimating joints, this paper proposes to improve imaging resolution by estimating the human figure as a whole using conditional generative adversarial networks (cGAN). In order to reduce training complexity, we use an estimated spatial spectrum using the MUltiple SIgnal Classification (MUSIC) algorithm as input to the cGAN. Our system generates environmentally independent, high-resolution images that can extract unique physical features useful for human identification. We use a simple convolution layers-based classification network to obtain the final identification result. From the experimental results, we show that resolution of the image produced by our trained generator is high enough to enable human identification. Our finding indicates high-resolution accuracy with 5% mean silhouette difference to the Kinect device. Extensive experiments in different environments on multiple testers demonstrate that our system can achieve 93% overall test accuracy in unseen environments for static human target identification.
• Abstract（参考訳）: RFイメージングによる正確な人間の識別は、主に開口径の制限とそれに伴う画像分解能への影響による、永続的な課題である。 既存のイメージングソリューションは、骨格関節を推定することで、深層ニューラルネットワークに基づくポーズ推定、アクティビティ認識、ヒューマントラッキングなどのタスクを可能にする。 そこで本研究では,条件付き生成対向ネットワーク(cGAN)を用いて人体全体を推定することにより,画像の分解能を向上させることを提案する。 トレーニングの複雑さを軽減するために, MUltiple SIgnal Classification (MUSIC) アルゴリズムを用いて推定空間スペクトルをcGANに入力する。 本システムは,人間の識別に有用な特徴を抽出できる,環境に依存しない高解像度画像を生成する。 単純な畳み込み層に基づく分類網を用いて最終識別結果を得る。 実験結果から,訓練した発電機が生成した画像の解像度は,人間の識別を可能にするのに十分高いことがわかった。 kinectデバイスと平均シルエット差が5%の高分解能の精度を示している。 複数のテスタの異なる環境における広範囲な実験により、静的なターゲット識別のための見えない環境で、我々のシステムが総合的なテスト精度を93%達成できることが実証された。

関連論文リスト

• A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
  ディープニューラルネットワークは、アンダーサンプル計測から高忠実度画像を再構成する大きな可能性を示している。 我々のモデルは、離散化に依存しないアーキテクチャであるニューラル演算子に基づいている。 我々の推論速度は拡散法よりも1,400倍速い。
  論文  参考訳（メタデータ） (2024-10-05T20:03:57Z)
• Diffusion Facial Forgery Detection [56.69763252655695]
  本稿では,顔に焦点をあてた拡散生成画像を対象とした包括的データセットであるDiFFを紹介する。 人体実験といくつかの代表的な偽造検出手法を用いて,DiFFデータセットの広範な実験を行った。 その結果、人間の観察者と自動検出者の2値検出精度は30%以下であることが判明した。
  論文  参考訳（メタデータ） (2024-01-29T03:20:19Z)
• Multi-objective Feature Selection in Remote Health Monitoring Applications [2.219956413333153]
  いくつかのシナリオでは、RF信号分析フレームワークは、あるタスクのパフォーマンスを他のタスクよりも優先することができる。 我々は,呼吸パターン認識の精度を高める識別的特徴を選択するために,生物学的原理に着想を得た多目的最適化アプローチを採用した。 本稿では,ユーザの識別精度を最大化し,呼吸活動認識のためのシステムの能力を最小限に抑えるために,逆向きな結果を示す。
  論文  参考訳（メタデータ） (2024-01-10T20:27:43Z)
• Exploring Hyperspectral Anomaly Detection with Human Vision: A Small Target Aware Detector [20.845503528474328]
  ハイパースペクトル異常検出(HAD)は、背景と異なるスペクトル特徴を持つ画素点の局在化を目的としている。 既存のHAD法は、背景スペクトルと異常スペクトルを客観的に検出し、識別することを目的としている。 本稿では,人間の視覚知覚下でのハイパースペクトル画像(HSI)の特徴を解析する。 本研究では,人間の視覚的知覚に近づいたHSI特徴を捉えるために,サリエンシマップを導入した小型目標認識検出器(STAD)を提案する。
  論文  参考訳（メタデータ） (2024-01-02T08:28:38Z)
• LOTUS: Learning to Optimize Task-based US representations [39.81131738128329]
  超音波画像における臓器の解剖学的セグメンテーションは多くの臨床応用に不可欠である。 既存のディープニューラルネットワークは、臨床的に許容できるパフォーマンスを達成するために、トレーニングのために大量のラベル付きデータを必要とする。 本稿では,タスクベース超音速画像表現を最適化する学習手法を提案する。
  論文  参考訳（メタデータ） (2023-07-29T16:29:39Z)
• K-Space-Aware Cross-Modality Score for Synthesized Neuroimage Quality Assessment [71.27193056354741]
  クロスモダリティな医用画像合成をどう評価するかという問題は、ほとんど解明されていない。 本稿では,この課題の進展を促すため,新しい指標K-CROSSを提案する。 K-CROSSは、トレーニング済みのマルチモードセグメンテーションネットワークを使用して、病変の位置を予測する。
  論文  参考訳（メタデータ） (2023-07-10T01:26:48Z)
• Affinity Feature Strengthening for Accurate, Complete and Robust Vessel Segmentation [48.638327652506284]
  血管セグメンテーションは、冠動脈狭窄、網膜血管疾患、脳動脈瘤などの多くの医学的応用において重要である。 コントラストに敏感なマルチスケールアフィニティアプローチを用いて,幾何学的手法と画素単位のセグメンテーション特徴を連成的にモデル化する新しいアプローチであるAFNを提案する。
  論文  参考訳（メタデータ） (2022-11-12T05:39:17Z)
• Hierarchical Deep CNN Feature Set-Based Representation Learning for Robust Cross-Resolution Face Recognition [59.29808528182607]
  クロスリゾリューション顔認識(CRFR)は、インテリジェントな監視およびバイオメトリックフォレンジックにおいて重要である。 既存の浅層学習と深層学習に基づく手法は、HR-LR対を共同特徴空間にマッピングすることに焦点を当てている。 本研究では,多レベル深層畳み込みニューラルネットワーク(CNN)の機能を完全に活用し,堅牢なCRFRを実現することを目的とする。
  論文  参考訳（メタデータ） (2021-03-25T14:03:42Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)
• Human Recognition Using Face in Computed Tomography [26.435782518817295]
  本稿では、ROI抽出のための3次元顔のランドマークを最初に検出し、自動認識に使用する2次元深度画像を生成する自動処理パイプラインを提案する。 提案手法は,92.53%の1:56同定精度と96.12%の1:1検証精度を達成し,他の競合手法よりも優れていた。
  論文  参考訳（メタデータ） (2020-05-28T18:59:59Z)

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。