Fugu-MT 論文翻訳(概要): Realtime Person Identification via Gait Analysis

論文の概要: Realtime Person Identification via Gait Analysis

arxiv url: http://arxiv.org/abs/2404.15312v1
Date: Tue, 2 Apr 2024 18:15:06 GMT
ステータス: 処理完了
システム内更新日: 2024-04-28 10:56:51.108828
Title: Realtime Person Identification via Gait Analysis
Title（参考訳）: 歩行分析によるリアルタイム人物識別
Authors: Shanmuga Venkatachalam, Harideep Nair, Prabhu Vellaisamy, Yongqi Zhou, Ziad Youssfi, John Paul Shen,
Abstract要約: エッジAIデプロイメントとリアルタイム歩行認識に非常に適した4層を有する小型CNNモデルを提案する。我々のモデルは96.7%の精度で5KBのRAMしか消費せず、起動時間は70msと125mWである。
参考スコア（独自算出の注目度）: 1.3260363717086592
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Each person has a unique gait, i.e., walking style, that can be used as a biometric for personal identification. Recent works have demonstrated effective gait recognition using deep neural networks, however most of these works predominantly focus on classification accuracy rather than model efficiency. In order to perform gait recognition using wearable devices on the edge, it is imperative to develop highly efficient low-power models that can be deployed on to small form-factor devices such as microcontrollers. In this paper, we propose a small CNN model with 4 layers that is very amenable for edge AI deployment and realtime gait recognition. This model was trained on a public gait dataset with 20 classes augmented with data collected by the authors, aggregating to 24 classes in total. Our model achieves 96.7% accuracy and consumes only 5KB RAM with an inferencing time of 70 ms and 125mW power, while running continuous inference on Arduino Nano 33 BLE Sense. We successfully demonstrated realtime identification of the authors with the model running on Arduino, thus underscoring the efficacy and providing a proof of feasiblity for deployment in practical systems in near future.
Abstract（参考訳）: それぞれの人は独自の歩行、すなわち歩行スタイルを持ち、個人識別のための生体認証として使用することができる。近年の研究では、ディープニューラルネットワークを用いた効果的な歩行認識が実証されているが、これらの研究のほとんどは、モデル効率よりも分類精度に重点を置いている。エッジ上のウェアラブルデバイスを用いて歩行認識を行うためには,マイクロコントローラなどの小型フォームファクタデバイスに展開可能な,高効率な低消費電力モデルを開発することが不可欠である。本稿では,エッジAIの展開とリアルタイム歩行認識に非常に適した4層を有する小型CNNモデルを提案する。このモデルは、著者が収集したデータを20のクラスに拡張した公開歩行データセットでトレーニングされ、合計24のクラスに集約された。我々のモデルは96.7%の精度を達成し,Arduino Nano 33 BLE Sense上で連続的な推論を行いながら,70ms,125mWの推論時間で5KBのRAMしか消費しない。そこで我々は,Arduino上で動作するモデルを用いて著者のリアルタイム同定を成功させ,その有効性を実証し,近い将来に実用システムに展開する可能性を示す。

関連論文リスト

Your device may know you better than you know yourself -- continuous authentication on novel dataset using machine learning [0.0]
本研究は,行動バイオメトリックスを用いた連続的認証の分野におけるさらなる理解を目的としている。われわれは、Samsung TabletでMinecraftをプレイする15人のユーザのジェスチャーデータを含む、新しいデータセットを15分間提供しています。
論文参考訳（メタデータ） (2024-03-06T16:22:49Z)
Human activity recognition using deep learning approaches and single frame cnn and convolutional lstm [0.0]
我々は、ビデオから人間の行動を認識するために、単一のフレーム畳み込みニューラルネットワーク(CNN)と畳み込み長短期記憶という、深層学習に基づく2つのアプローチを探索する。 2つのモデルは、ベンチマークアクション認識データセットであるUCF50と、実験のために作成された別のデータセットでトレーニングされ、評価された。どちらのモデルも精度は良いが、単一のフレームCNNモデルはUCF50データセットで99.8%の精度で畳み込みLSTMモデルより優れている。
論文参考訳（メタデータ） (2023-04-18T01:33:29Z)
Online Recognition of Incomplete Gesture Data to Interface Collaborative Robots [0.0]
本稿では,ウェアラブルセンサで捉えた静的ジェスチャー(SG)と動的ジェスチャー(DG)の大きな語彙を分類するためのHRIフレームワークを提案する。認識されたジェスチャーは、朝食の食事を準備する共同作業でロボットを遠隔操作するために使用される。
論文参考訳（メタデータ） (2023-04-13T18:49:08Z)
Incremental Online Learning Algorithms Comparison for Gesture and Visual Smart Sensors [68.8204255655161]
本稿では,加速度センサデータに基づくジェスチャー認識と画像分類の2つの実例として,最先端の4つのアルゴリズムを比較した。以上の結果から,これらのシステムの信頼性と小型メモリMCUへのデプロイの可能性が確認された。
論文参考訳（メタデータ） (2022-09-01T17:05:20Z)
Revisiting Classifier: Transferring Vision-Language Models for Video Recognition [102.93524173258487]
ダウンストリームタスクのためのタスク非依存の深層モデルから知識を伝達することは、コンピュータビジョン研究において重要なトピックである。本研究では,映像分類作業における知識の伝達に着目した。予測された言語モデルを用いて、効率的な翻訳学習のための適切なセマンティックターゲットを生成する。
論文参考訳（メタデータ） (2022-07-04T10:00:47Z)
Sim-to-Real 6D Object Pose Estimation via Iterative Self-training for Robotic Bin-picking [98.5984733963713]
コスト効率の良いロボットグルーピングを容易にするために,シミュレート・トゥ・リアルな6次元オブジェクトのポーズ推定のための反復的自己学習フレームワークを提案する。我々は、豊富な仮想データを合成するためのフォトリアリスティックシミュレータを構築し、これを初期ポーズ推定ネットワークのトレーニングに利用する。このネットワークは教師モデルの役割を担い、未ラベルの実データに対するポーズ予測を生成する。
論文参考訳（メタデータ） (2022-04-14T15:54:01Z)
Human Activity Recognition models using Limited Consumer Device Sensors and Machine Learning [0.0]
ヒトの活動認識は、日常生活や医療環境における応用の増加とともに人気が高まっている。本稿では,スマートフォンやスマートウォッチのセンサデータを用いた訓練に限定した各種モデルの発見について述べる。結果は、スマートフォンとスマートウォッチのみから収集された限られたセンサーデータと、従来の機械学習の概念とアルゴリズムとを厳格に併用したモデルの可能性を示している。
論文参考訳（メタデータ） (2022-01-21T06:54:05Z)
WildGait: Learning Gait Representations from Raw Surveillance Streams [1.90365714903665]
歩行認識の既存の方法は、単一の人がカメラの前で直線で複数回歩いている協調歩行シナリオを必要とします。本稿では,多数の自動注釈付きスケルトン配列上で時空間グラフ畳み込みネットワークを訓練する,新しい弱教師付き学習フレームワークwildgaitを提案する。以上の結果から,現状のポーズに基づく歩容認識ソリューションは,微調整により認識精度を上回った。
論文参考訳（メタデータ） (2021-05-12T09:11:32Z)
ALT-MAS: A Data-Efficient Framework for Active Testing of Machine Learning Algorithms [58.684954492439424]
少量のラベル付きテストデータのみを用いて機械学習モデルを効率的にテストする新しいフレームワークを提案する。ベイズニューラルネットワーク(bnn)を用いたモデルアンダーテストの関心指標の推定が目的である。
論文参考訳（メタデータ） (2021-04-11T12:14:04Z)
Identity-Aware Attribute Recognition via Real-Time Distributed Inference in Mobile Edge Clouds [53.07042574352251]
我々は、MEC対応カメラ監視システムにおいて、re-IDを用いた歩行者属性認識のための新しいモデルの設計を行う。本稿では,属性認識と人物再IDを協調的に考慮し,分散モジュールの集合を持つ新しい推論フレームワークを提案する。そこで我々は,提案した分散推論フレームワークのモジュール分布の学習に基づくアルゴリズムを考案した。
論文参考訳（メタデータ） (2020-08-12T12:03:27Z)
Making DensePose fast and light [78.49552144907513]
このタスクを解くことができる既存のニューラルネットワークモデルは、非常にパラメータ化されている。現在のモデルで端末のDense Pose推論を有効にするには、高価なサーバーサイドのインフラをサポートし、安定したインターネット接続が必要である。本研究では,DensePose R-CNNモデルのアーキテクチャを再設計することで,最終的なネットワークがその精度の大部分を維持しつつ,より軽量で高速なネットワークを実現することを目的とする。
論文参考訳（メタデータ） (2020-06-26T19:42:20Z)

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。