論文の概要: Enhanced Self-Checkout System for Retail Based on Improved YOLOv10

• arxiv url: http://arxiv.org/abs/2407.21308v2
• Date: Fri, 16 Aug 2024 02:28:07 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-19 17:49:17.936876
• Title: Enhanced Self-Checkout System for Retail Based on Improved YOLOv10
• Title（参考訳）: 改良型YOLOv10に基づく小売店用セルフチェックアウトシステム
• Authors: Lianghao Tan, Shubing Liu, Jing Gao, Xiaoyi Liu, Linyue Chu, Huangqi Jiang,
• Abstract要約: 本稿では,改良型YOLOv10ネットワークに基づく小売店向けセルフチェックアウトシステムを提案する。 YOLOv10モデルに対して, YOLOv8から検出ヘッド構造を組み込んだターゲット最適化を提案する。 実験結果から,本システムは製品認識精度とチェックアウト速度の両方において既存手法よりも優れていることがわかった。
• 参考スコア（独自算出の注目度）: 5.948834833277584
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the rapid advancement of deep learning technologies, computer vision has shown immense potential in retail automation. This paper presents a novel self-checkout system for retail based on an improved YOLOv10 network, aimed at enhancing checkout efficiency and reducing labor costs. We propose targeted optimizations to the YOLOv10 model, by incorporating the detection head structure from YOLOv8, which significantly improves product recognition accuracy. Additionally, we develop a post-processing algorithm tailored for self-checkout scenarios, to further enhance the application of system. Experimental results demonstrate that our system outperforms existing methods in both product recognition accuracy and checkout speed. This research not only provides a new technical solution for retail automation but offers valuable insights into optimizing deep learning models for real-world applications.
• Abstract（参考訳）: ディープラーニング技術の急速な進歩により、コンピュータビジョンは小売自動化において大きな可能性を秘めている。 本稿では,改良型YOLOv10ネットワークに基づく小売店向けセルフチェックアウトシステムを提案する。 製品認識精度を大幅に向上するYOLOv8から検出ヘッド構造を取り入れたYOLOv10モデルに対するターゲット最適化を提案する。 さらに,自己チェックアウトシナリオに適した後処理アルゴリズムを開発し,システム適用をさらに強化する。 実験結果から,本システムは製品認識精度とチェックアウト速度の両方において既存手法よりも優れていることがわかった。 この研究は小売自動化のための新しい技術ソリューションを提供するだけでなく、現実世界のアプリケーションのためのディープラーニングモデルの最適化に関する貴重な洞察を提供する。

関連論文リスト

• Unlearning as multi-task optimization: A normalized gradient difference approach with an adaptive learning rate [105.86576388991713]
  正規化勾配差(NGDiff)アルゴリズムを導入し、目的間のトレードオフをよりよく制御できるようにする。 本研究では,TOFUおよびMUSEデータセットにおける最先端の未学習手法において,NGDiffの優れた性能を実証的に実証し,理論的解析を行った。
  論文  参考訳（メタデータ） (2024-10-29T14:41:44Z)
• Optimizing Automated Picking Systems in Warehouse Robots Using Machine Learning [15.615208767760663]
  本研究は、ディープラーニングと強化学習技術を活用した倉庫における自動ピッキングシステムに焦点を当てた。 ロボットのピッキング性能と複雑な環境への適応性を向上する上で,これらの技術の有効性を実証する。
  論文  参考訳（メタデータ） (2024-08-29T15:39:12Z)
• Gradient-based Learning in State-based Potential Games for Self-Learning Production Systems [3.156133122658661]
  本稿では,自己学習型分散生産システムにおける状態ベースポテンシャルゲーム(SbPG)の勾配に基づく最適化手法を提案する。 SbPGは自己最適化型分散マルチエージェントシステムの実現に有効であることが認識されている。
  論文  参考訳（メタデータ） (2024-06-14T13:26:36Z)
• AIDE: An Automatic Data Engine for Object Detection in Autonomous Driving [68.73885845181242]
  本稿では,問題を自動的に識別し,データを効率よくキュレートし,自動ラベル付けによりモデルを改善する自動データエンジン(AIDE)を提案する。 さらに,AVデータセットのオープンワールド検出のためのベンチマークを構築し,様々な学習パラダイムを包括的に評価し,提案手法の優れた性能を低コストで実証する。
  論文  参考訳（メタデータ） (2024-03-26T04:27:56Z)
• Revolutionizing Retail Analytics: Advancing Inventory and Customer Insight with AI [0.0]
  本稿では,最先端機械学習技術を活用した革新的なアプローチを提案する。 我々は、これらの技術を活用して小売効率と顧客エンゲージメントを向上させる、高度なスマート小売分析システム(SRAS)の構築を目指している。
  論文  参考訳（メタデータ） (2024-02-24T11:03:01Z)
• TranDRL: A Transformer-Driven Deep Reinforcement Learning Enabled Prescriptive Maintenance Framework [58.474610046294856]
  産業システムは、運用効率を高め、ダウンタイムを減らすための信頼性の高い予測保守戦略を要求する。 本稿では,Transformerモデルに基づくニューラルネットワークと深部強化学習(DRL)アルゴリズムの機能を活用し,システムの保守動作を最適化する統合フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-29T02:27:54Z)
• ALT: An Automatic System for Long Tail Scenario Modeling [15.76033166478158]
  この問題に対処するために,ALTという自動システムを提案する。 各種自動機械学習関連技術を活用するなど,我々のシステムで使用されるアルゴリズムを改善するために,いくつかの取り組みがなされている。 システムを構築するには、システムの観点から多くの最適化が行われ、本質的なモジュールは武装している。
  論文  参考訳（メタデータ） (2023-05-19T02:35:39Z)
• AUTO: Adaptive Outlier Optimization for Online Test-Time OOD Detection [81.49353397201887]
  オープンソースアプリケーションに機械学習モデルをデプロイするには、アウト・オブ・ディストリビューション(OOD)検出が不可欠だ。 我々は、未ラベルのオンラインデータをテスト時に直接利用してOOD検出性能を向上させる、テスト時OOD検出と呼ばれる新しいパラダイムを導入する。 本稿では,入出力フィルタ,IDメモリバンク,意味的に一貫性のある目的からなる適応外乱最適化(AUTO)を提案する。
  論文  参考訳（メタデータ） (2023-03-22T02:28:54Z)
• CCLF: A Contrastive-Curiosity-Driven Learning Framework for Sample-Efficient Reinforcement Learning [56.20123080771364]
  我々は、強化学習のためのモデルに依存しないコントラスト駆動学習フレームワーク(CCLF)を開発した。 CCLFは、サンプルの重要性を完全に活用し、自己管理的な学習効率を向上させる。 このアプローチをDeepMind Control Suite、Atari、MiniGridベンチマークで評価する。
  論文  参考訳（メタデータ） (2022-05-02T14:42:05Z)
• Multiply-and-Fire (MNF): An Event-driven Sparse Neural Network Accelerator [3.224364382976958]
  この研究は、ANNアクセラレーションに対するイベント駆動(あるいはアクティベーション駆動)アプローチで、スパーシリティをユニークな視点で見る。 我々の分析および実験結果から、このイベント駆動型ソリューションは、CNNとワークロードの両方で高効率なAI推論を可能にするために、新たな方向を示すことが示されている。
  論文  参考訳（メタデータ） (2022-04-20T21:56:50Z)
• Improving Auto-Augment via Augmentation-Wise Weight Sharing [123.71986174280741]
  自動拡張検索の重要な要素は、特定の拡張ポリシーの評価プロセスである。 本稿では,モデルの強化トレーニングのダイナミクスについて検討する。 我々は,Augmentation-Wise Weight Sharing (AWS)に基づいて,高速かつ高精度な評価プロセスを構築するために,強力で効率的なプロキシタスクを設計する。
  論文  参考訳（メタデータ） (2020-09-30T15:23:12Z)

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。