論文の概要: SH17: A Dataset for Human Safety and Personal Protective Equipment Detection in Manufacturing Industry

• arxiv url: http://arxiv.org/abs/2407.04590v1
• Date: Fri, 5 Jul 2024 15:40:11 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-08 13:01:09.249036
• Title: SH17: A Dataset for Human Safety and Personal Protective Equipment Detection in Manufacturing Industry
• Title（参考訳）: SH17:製造業におけるヒューマンセーフティと個人防護機器検出のためのデータセット
• Authors: Hafiz Mughees Ahmad, Afshin Rahimi,
• Abstract要約: 本研究では,多様な産業環境から収集した17クラスの75,994個のインスタンスを含む8,099個の注釈付き画像からなるSH17データセットを提案する。 ベンチマークのために最先端のODモデルをトレーニングし、最初の結果は、You Only Look Once (YOLO)v9-eモデル変種がPPE検出の70.9%を超える有望な精度を示した。
• 参考スコア（独自算出の注目度）: 2.007345596217044
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Workplace accidents continue to pose significant risks for human safety, particularly in industries such as construction and manufacturing, and the necessity for effective Personal Protective Equipment (PPE) compliance has become increasingly paramount. Our research focuses on the development of non-invasive techniques based on the Object Detection (OD) and Convolutional Neural Network (CNN) to detect and verify the proper use of various types of PPE such as helmets, safety glasses, masks, and protective clothing. This study proposes the SH17 Dataset, consisting of 8,099 annotated images containing 75,994 instances of 17 classes collected from diverse industrial environments, to train and validate the OD models. We have trained state-of-the-art OD models for benchmarking, and initial results demonstrate promising accuracy levels with You Only Look Once (YOLO)v9-e model variant exceeding 70.9% in PPE detection. The performance of the model validation on cross-domain datasets suggests that integrating these technologies can significantly improve safety management systems, providing a scalable and efficient solution for industries striving to meet human safety regulations and protect their workforce. The dataset is available at https://github.com/ahmadmughees/sh17dataset.
• Abstract（参考訳）: 職場事故は、特に建設や製造などの産業において、人間の安全に重大なリスクを及ぼす傾向にあり、PPE(Personal Protective Equipment)の遵守の必要性はますます高まっている。 本研究は, ヘルメット, 安全眼鏡, マスク, 防護服などの各種PPEの適切な使用を検出するための, 物体検出(OD)と畳み込みニューラルネットワーク(CNN)に基づく非侵襲的手法の開発に焦点をあてる。 本研究では,多様な産業環境から収集した17クラスの75,994個のインスタンスを含む8,099個の注釈付き画像からなるSH17データセットを提案する。 ベンチマークのために最先端のODモデルをトレーニングし、最初の結果は、You Only Look Once (YOLO)v9-eモデル変種がPPE検出の70.9%を超える有望な精度を示した。 クロスドメインデータセットにおけるモデル検証のパフォーマンスは、これらの技術を統合することで、安全管理システムを大幅に改善し、人間の安全規制を満たし、労働力を保護するために努力している業界に対して、スケーラブルで効率的なソリューションを提供することを示唆している。 データセットはhttps://github.com/ahmadmughees/sh17datasetで公開されている。

関連論文リスト

• What Makes and Breaks Safety Fine-tuning? A Mechanistic Study [64.9691741899956]
  安全性の微調整は、大規模な言語モデル(LLM)を、安全なデプロイメントのための人間の好みに合わせるのに役立つ。 安全でない入力の健全な側面をキャプチャする合成データ生成フレームワークを設計する。 これを用いて,3つのよく知られた安全微調整手法について検討する。
  論文  参考訳（メタデータ） (2024-07-14T16:12:57Z)
• A Deep Learning Approach to Detect Complete Safety Equipment For Construction Workers Based On YOLOv7 [0.0]
  本研究では,建設作業員が着用する安全装置を同定する深層学習技術を提案する。 推奨されるアプローチは、YOLO v7オブジェクト検出アルゴリズムを使用して、これらの安全アイテムを正確に検出する。 トレーニングされたモデルでは,安全機器認識のための精度,リコール,F1スコアが良好に動作した。
  論文  参考訳（メタデータ） (2024-06-11T20:38:41Z)
• IPAD: Industrial Process Anomaly Detection Dataset [71.39058003212614]
  ビデオ異常検出(VAD)は,ビデオフレーム内の異常を認識することを目的とした課題である。 本稿では,産業シナリオにおけるVADに特化して設計された新しいデータセットIPADを提案する。 このデータセットは16の異なる産業用デバイスをカバーし、合成ビデオと実世界のビデオの両方を6時間以上保存している。
  論文  参考訳（メタデータ） (2024-04-23T13:38:01Z)
• Detectors for Safe and Reliable LLMs: Implementations, Uses, and Limitations [76.19419888353586]
  大規模言語モデル(LLM)は、不誠実なアウトプットからバイアスや有害な世代に至るまで、さまざまなリスクを受けやすい。 我々は,様々な害のラベルを提供するコンパクトで容易に構築できる分類モデルである,検出器のライブラリを作成し,展開する取り組みについて述べる。
  論文  参考訳（メタデータ） (2024-03-09T21:07:16Z)
• Towards Complex Real-World Safety Factory Inspection: A High-Quality Dataset for Safety Clothing and Helmet Detection [32.98828271523913]
  安全衣服とヘルメット検出のための大規模で包括的で現実的な高品質なデータセットを提示する。 我々のデータセットは現実世界の化学プラントから収集され、専門家のセキュリティ検査官が注釈を付けました。
  論文  参考訳（メタデータ） (2023-06-03T12:15:20Z)
• Model Monitoring and Robustness of In-Use Machine Learning Models: Quantifying Data Distribution Shifts Using Population Stability Index [2.578242050187029]
  我々は、自律運転に関連するコンピュータビジョンの例に注目し、画像にノイズを加えることによって発生するシフトを検出することを目的としている。 人口安定指数 (PSI) を, シフトの有無, および実験結果の指標として用いた。
  論文  参考訳（メタデータ） (2023-02-01T22:06:31Z)
• Visual Detection of Personal Protective Equipment and Safety Gear on Industry Workers [49.36909714011171]
  我々は、PPE(Personal Protective Equipment)の使用を検知するカメラを用いて、労働者の安全を向上するシステムを開発した。 我々の焦点は、制限区域へのアクセスを得るために労働者が自らを提示しなければならないエントリーコントロールポイントに我々のシステムを実装することである。 この研究の新たな特徴は、クラス数を5つの対象(ヘルメット、安全ベスト、安全手袋、安全眼鏡、聴覚保護)に増やすことである。
  論文  参考訳（メタデータ） (2022-12-09T11:50:03Z)
• Diffusion Denoising Process for Perceptron Bias in Out-of-distribution Detection [67.49587673594276]
  我々は、識別器モデルが入力の特定の特徴に対してより敏感であることを示唆する新しいパーセプトロンバイアスの仮定を導入し、過度な問題を引き起こした。 DMの拡散分解過程 (DDP) が非対称の新たな形態として機能し, 入力を高め, 過信問題を緩和するのに適していることを示す。 CIFAR10, CIFAR100, ImageNetによる実験により, 提案手法がSOTA手法より優れていることが示された。
  論文  参考訳（メタデータ） (2022-11-21T08:45:08Z)
• An Industrial Workplace Alerting and Monitoring Platform to Prevent Workplace Injury and Accidents [0.0]
  安全でない活動の個人防護装置(PPE)の使用を検知し、分類するための産業用職場警報・監視プラットフォームを提案する。 提案手法は,複数の人や物体が関与する長時間動作を初めて解析する手法である。 そこで本研究では,産業現場のビデオデータにアクション分類を付加し,PPEを検出した最初のオープンソースアノテートデータセットを提案する。
  論文  参考訳（メタデータ） (2022-10-25T06:35:00Z)
• Anomaly Detection Based on Selection and Weighting in Latent Space [73.01328671569759]
  SWADと呼ばれる新しい選択および重み付けに基づく異常検出フレームワークを提案する。 ベンチマークと実世界のデータセットによる実験は、SWADの有効性と優位性を示している。
  論文  参考訳（メタデータ） (2021-03-08T10:56:38Z)

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。