論文の概要: Fall Detection in Passenger Elevators using Intelligent Surveillance Camera Systems: An Application with YoloV8 Nano Model

• arxiv url: http://arxiv.org/abs/2501.01985v1
• Date: Mon, 30 Dec 2024 13:37:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-12 03:17:10.413059
• Title: Fall Detection in Passenger Elevators using Intelligent Surveillance Camera Systems: An Application with YoloV8 Nano Model
• Title（参考訳）: インテリジェントサーベイランスカメラシステムを用いた旅客用エレベータの落下検知:YoloV8ナノモデルによる応用
• Authors: Pinar Yozgatli, Yavuz Acar, Mehmet Tulumen, Selman Minga, Salih Selamet, Beytullah Nalbant, Mustafa Talha Toru, Berna Koca, Tevfik Keles, Mehmet Selcok,
• Abstract要約: 本研究は, エレベータ内の転倒事故の同定におけるYoloV8 Nanoモデルの適用に焦点を当てた。 モデルの性能は85%の精度で、秋の検知では82%のリコールがあり、既存のエレベーター安全システムとの統合の可能性を強調している。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Computer vision technology, which involves analyzing images and videos captured by cameras through deep learning algorithms, has significantly advanced the field of human fall detection. This study focuses on the application of the YoloV8 Nano model in identifying fall incidents within passenger elevators, a context that presents unique challenges due to the enclosed environment and varying lighting conditions. By training the model on a robust dataset comprising over 10,000 images across diverse elevator types, we aim to enhance the detection precision and recall rates. The model's performance, with an 85% precision and 82% recall in fall detection, underscores its potential for integration into existing elevator safety systems to enable rapid intervention.
• Abstract（参考訳）: 深層学習アルゴリズムを用いてカメラが捉えた画像やビデオを解析するコンピュータビジョン技術は、人間の落下検出の分野を大きく進歩させた。 本研究は,ヨロV8ナノモデルによる乗客エレベーターの落下事故の特定に焦点をあてるものである。 多様なエレベータータイプにまたがる10,000以上の画像からなる頑健なデータセット上でモデルをトレーニングすることにより、検出精度とリコール率を向上させることを目指している。 モデルの性能は85%の精度で、落下検知では82%のリコールがあり、緊急介入を可能にするために既存のエレベーター安全システムに統合される可能性を示している。

関連論文リスト

• Continual Learning for Robust Gate Detection under Dynamic Lighting in Autonomous Drone Racing [27.18598697503772]
  本研究は,照明変動下でドローンレースゲートを検出するための認識手法を提案する。 提案手法は,連続学習機能を備えた軽量ニューラルネットワークバックボーンに頼っている。
  論文  参考訳（メタデータ） (2024-05-02T07:21:12Z)
• Attire-Based Anomaly Detection in Restricted Areas Using YOLOv8 for Enhanced CCTV Security [0.0]
  本研究は,高度な画像解析とソフトコンピューティングを活用した,革新的なセキュリティ強化手法を提案する。 その焦点は知的監視システムで、服装を分析して、制限区域の無許可の個人を検知する。
  論文  参考訳（メタデータ） (2024-03-31T11:09:19Z)
• FaultGuard: A Generative Approach to Resilient Fault Prediction in Smart Electrical Grids [53.2306792009435]
  FaultGuardは、障害タイプとゾーン分類のための最初のフレームワークであり、敵攻撃に耐性がある。 本稿では,ロバスト性を高めるために,低複雑性故障予測モデルとオンライン逆行訓練手法を提案する。 本モデルでは,耐故障予測ベンチマークの最先端を最大0.958の精度で上回っている。
  論文  参考訳（メタデータ） (2024-03-26T08:51:23Z)
• Camera-Radar Perception for Autonomous Vehicles and ADAS: Concepts, Datasets and Metrics [77.34726150561087]
  本研究の目的は、ADASおよび自動運転車のカメラおよびレーダーによる認識の現在のシナリオに関する研究を行うことである。 両センサと融合に関する概念と特徴を提示する。 本稿では、ディープラーニングに基づく検出とセグメンテーションタスクの概要と、車両の認識における主要なデータセット、メトリクス、課題、オープンな質問について説明する。
  論文  参考訳（メタデータ） (2023-03-08T00:48:32Z)
• Real-Time Damage Detection in Fiber Lifting Ropes Using Lightweight Convolutional Neural Networks [14.553374494874374]
  軽量畳み込みニューラルネットワークを用いた合成繊維ロープ画像の損傷検出システム ケネクラネスの専門家は、ロープの状態に応じて収集した画像に注釈を付け、正常または損傷を与えた。 モデルは96.5%の精度、94.8%の精度、98.3%のリコール、96.5%のF1スコア、99.3%のAUCで他の類似の手法より優れている。
  論文  参考訳（メタデータ） (2023-02-23T11:44:43Z)
• An Outlier Exposure Approach to Improve Visual Anomaly Detection Performance for Mobile Robots [76.36017224414523]
  移動ロボットの視覚異常検出システム構築の問題点を考察する。 標準異常検出モデルは、非異常データのみからなる大規模なデータセットを用いて訓練される。 本研究では,これらのデータを利用してリアルNVP異常検出モデルの性能向上を図る。
  論文  参考訳（メタデータ） (2022-09-20T15:18:13Z)
• Vision Transformers and YoloV5 based Driver Drowsiness Detection Framework [0.0]
  本稿では,視覚変換器とヨーロV5アーキテクチャをベースとした,ドライバの眠気認識のための新しいフレームワークを提案する。 関心領域抽出を目的とした顔抽出のためのヨロV5事前学習アーキテクチャを提案する。 さらなる評価のために、提案されたフレームワークは、様々な光環境における39人の参加者のカスタムデータセットでテストされ、95.5%の精度を達成した。
  論文  参考訳（メタデータ） (2022-09-03T11:37:41Z)
• Adversarially-Aware Robust Object Detector [85.10894272034135]
  本稿では,ロバスト検出器 (RobustDet) を提案する。 本モデルは, クリーン画像の検出能力を維持しながら, 傾きを効果的に解き, 検出堅牢性を著しく向上させる。
  論文  参考訳（メタデータ） (2022-07-13T13:59:59Z)
• Multi Visual Modality Fall Detection Dataset [4.00152916049695]
  転倒は、世界中の高齢者の怪我による死亡の主な原因の1つだ。 効果的なフォールの検出は、合併症や怪我のリスクを減らすことができる。 しかし、通常のRGBカメラは照明条件やプライバシーの懸念によって影響を受ける。
  論文  参考訳（メタデータ） (2022-06-25T21:54:26Z)
• The State of Aerial Surveillance: A Survey [62.198765910573556]
  本稿では、コンピュータビジョンとパターン認識の観点から、人間中心の空中監視タスクの概要を概観する。 主な対象は、単体または複数の被験者が検出され、特定され、追跡され、再同定され、その振る舞いが分析される人間である。
  論文  参考訳（メタデータ） (2022-01-09T20:13:27Z)
• AutoOD: Automated Outlier Detection via Curiosity-guided Search and Self-imitation Learning [72.99415402575886]
  外乱検出は重要なデータマイニングの課題であり、多くの実用的応用がある。 本稿では,最適なニューラルネットワークモデルを探すことを目的とした自動外乱検出フレームワークであるAutoODを提案する。 さまざまな実世界のベンチマークデータセットに対する実験結果から、AutoODが特定したディープモデルが最高のパフォーマンスを達成することが示された。
  論文  参考訳（メタデータ） (2020-06-19T18:57:51Z)

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。