論文の概要: Thermal Vision: Pioneering Non-Invasive Temperature Tracking in Congested Spaces
- arxiv url: http://arxiv.org/abs/2412.00863v1
- Date: Sun, 01 Dec 2024 15:52:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-04 15:48:28.790849
- Title: Thermal Vision: Pioneering Non-Invasive Temperature Tracking in Congested Spaces
- Title(参考訳): 熱視:密集した空間における非侵襲的な温度トラッキングのパイオニア化
- Authors: Arijit Samal, Haroon R Lone,
- Abstract要約: サーマルカメラを用いた非侵襲温度推定に関する既存の研究は、主にスパース設定に焦点を当てている。
本研究では,サーマルカメラとエッジデバイスを組み合わせた非侵襲温度推定システムを提案する。
提案した顔検出モデルは, インデータセットとクロスデータセットの両方において, 84以上の印象的なmAPスコアを達成している。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: Non-invasive temperature monitoring of individuals plays a crucial role in identifying and isolating symptomatic individuals. Temperature monitoring becomes particularly vital in settings characterized by close human proximity, often referred to as dense settings. However, existing research on non-invasive temperature estimation using thermal cameras has predominantly focused on sparse settings. Unfortunately, the risk of disease transmission is significantly higher in dense settings like movie theaters or classrooms. Consequently, there is an urgent need to develop robust temperature estimation methods tailored explicitly for dense settings. Our study proposes a non-invasive temperature estimation system that combines a thermal camera with an edge device. Our system employs YOLO models for face detection and utilizes a regression framework for temperature estimation. We evaluated the system on a diverse dataset collected in dense and sparse settings. Our proposed face detection model achieves an impressive mAP score of over 84 in both in-dataset and cross-dataset evaluations. Furthermore, the regression framework demonstrates remarkable performance with a mean square error of 0.18$^{\circ}$C and an impressive $R^2$ score of 0.96. Our experiments' results highlight the developed system's effectiveness, positioning it as a promising solution for continuous temperature monitoring in real-world applications. With this paper, we release our dataset and programming code publicly.
- Abstract(参考訳): 個人の非侵襲的な温度モニタリングは、症状のある個人を特定し、分離する上で重要な役割を担っている。
温度モニタリングは、密接な設定(しばしば密接な設定と呼ばれる)によって特徴づけられる設定において特に重要である。
しかし、サーマルカメラを用いた非侵襲的な温度推定に関する既存の研究は、主にスパース設定に焦点を当てている。
残念ながら、映画館や教室のような密集した環境では、病気の感染リスクが著しく高い。
その結果,密集した環境に配慮した堅牢な温度推定手法の開発が急務である。
本研究では,サーマルカメラとエッジデバイスを組み合わせた非侵襲温度推定システムを提案する。
本システムでは,顔検出にYOLOモデルを用い,温度推定に回帰フレームワークを用いる。
本システムは,密集度と疎開度で収集された多種多様なデータセットを用いて評価した。
提案した顔検出モデルは, インデータセットとクロスデータセットの両方において, 84以上の印象的なmAPスコアを達成している。
さらに、回帰フレームワークは平均二乗誤差0.18$^{\circ}$C、印象的な$R^2$スコア0.96で顕著な性能を示す。
実験の結果は,開発システムの有効性を浮き彫りにして,実世界のアプリケーションにおける連続的な温度モニタリングのための有望なソリューションとして位置づけた。
本稿では,データセットとプログラミングコードを公開する。
関連論文リスト
- Optimizing Temperature for Language Models with Multi-Sample Inference [47.14991144052361]
本稿では,異なる大言語モデルに対する(近傍)最適温度の自動同定という課題に対処する。
モデルアーキテクチャ、データセット、タスクタイプ、モデルサイズ、予測精度の変動を考慮して、性能最適化における温度の役割を総合的に分析する。
本稿では,温度自動最適化のためのエントロピーに基づく新しい計量法を提案する。
論文 参考訳(メタデータ) (2025-02-07T19:35:25Z) - Temperature Optimization for Bayesian Deep Learning [9.610060788662972]
テストログ予測密度を最大化する温度を選択するためのデータ駆動手法を提案する。
提案手法は,グリッド探索において,コストのごく一部で比較可能な性能を実証的に証明する。
論文 参考訳(メタデータ) (2024-10-08T07:32:22Z) - Observation-Guided Meteorological Field Downscaling at Station Scale: A
Benchmark and a New Method [66.80344502790231]
気象学的ダウンスケーリングを任意の散乱ステーションスケールに拡張し、新しいベンチマークとデータセットを確立する。
データ同化技術にインスパイアされた我々は、観測データをダウンスケーリングプロセスに統合し、マルチスケールの観測先行情報を提供する。
提案手法は、複数の曲面変数上で、他の特別に設計されたベースラインモデルよりも優れている。
論文 参考訳(メタデータ) (2024-01-22T14:02:56Z) - Simultaneous temperature estimation and nonuniformity correction from
multiple frames [0.0]
低コストのマイクロボロメーターベースの赤外線カメラは、空間的に不均一であり、温度測定でドリフトする傾向がある。
低コストマイクロボロメータカメラで捉えた複数フレームからの同時温度推定と非均一性補正(NUC)のための新しい手法を提案する。
論文 参考訳(メタデータ) (2023-07-23T11:28:25Z) - Estimating temperatures with low-cost infrared cameras using deep neural
networks [0.0]
環境温度を考慮した非均一性シミュレータを開発した。
カメラの物理モデルと周囲カメラ温度の両方を組み込んだエンドツーエンドニューラルネットワークが導入された。
論文 参考訳(メタデータ) (2023-07-22T17:13:49Z) - Not All Semantics are Created Equal: Contrastive Self-supervised
Learning with Automatic Temperature Individualization [51.41175648612714]
分散ロバスト最適化(DRO)に着想を得た新しい頑健なコントラスト損失を提案する。
提案アルゴリズムは,各サンプルに対して適切な$tau$を自動で学習することを示す。
提案手法は, 単モーダル・バイモーダル・データセットにおいて, 従来の強いベースラインよりも優れていた。
論文 参考訳(メタデータ) (2023-05-19T19:25:56Z) - Environmental Sensor Placement with Convolutional Gaussian Neural
Processes [65.13973319334625]
センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。
確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。
本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
論文 参考訳(メタデータ) (2022-11-18T17:25:14Z) - Sample-dependent Adaptive Temperature Scaling for Improved Calibration [95.7477042886242]
ニューラルネットワークの誤りを補うポストホックアプローチは、温度スケーリングを実行することだ。
入力毎に異なる温度値を予測し、信頼度と精度のミスマッチを調整することを提案する。
CIFAR10/100およびTiny-ImageNetデータセットを用いて,ResNet50およびWideResNet28-10アーキテクチャ上で本手法をテストする。
論文 参考訳(メタデータ) (2022-07-13T14:13:49Z) - Optimization of IoT-Enabled Physical Location Monitoring Using DT and
VAR [0.0]
この研究は、決定木(DT)とランダム森林が、センサデータを用いて人を予測するために、合理的に類似したマクロ平均f1スコアを与えることを明らかにした。
DTは、83.99%、88.92%、そして80.97%の精度でタイムスタンプを使用している人を予測するために、3つの異なる物理的位置のクラウドデータセットに対して最も信頼性の高い予測モデルである。
論文 参考訳(メタデータ) (2022-04-10T11:39:46Z) - Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of
Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。
降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
論文 参考訳(メタデータ) (2021-07-14T21:10:47Z) - Graph-based Thermal-Inertial SLAM with Probabilistic Neural Networks [38.35547654117047]
SLAMフロントエンドのニューラルネットワーク抽象化とSLAMバックエンドの堅牢なポーズグラフ最適化を組み合わせた,最初の完全熱慣性SLAMシステムを提案する。
熱画像からこのエンコーディングをモデル化するのに重要な戦略は、正規化された14ビットラジオメトリックデータの使用、幻覚視覚(RGB)機能の組み込み、MDNパラメータを推定するための特徴選択の包含です。
論文 参考訳(メタデータ) (2021-04-15T01:39:15Z)
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。