論文の概要: Application of Attention Mechanism with Bidirectional Long Short-Term Memory (BiLSTM) and CNN for Human Conflict Detection using Computer Vision

• arxiv url: http://arxiv.org/abs/2502.18555v1
• Date: Tue, 25 Feb 2025 18:48:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-27 14:59:07.210356
• Title: Application of Attention Mechanism with Bidirectional Long Short-Term Memory (BiLSTM) and CNN for Human Conflict Detection using Computer Vision
• Title（参考訳）: 双方向長短期記憶(BiLSTM)とCNNを用いた注意機構のコンピュータビジョンを用いた人間衝突検出への応用
• Authors: Erick da Silva Farias, Eduardo Palhares Junior,
• Abstract要約: 本研究では、注意機構、畳み込みニューラルネットワーク(CNN)、双方向長短期記憶(BiLSTM)など、高度なディープラーニング技術の統合について検討する。 実験の結果、CNNとBiLSTMの組み合わせとアテンションメカニズムが競合監視に有望なソリューションであることがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: The automatic detection of human conflicts through videos is a crucial area in computer vision, with significant applications in monitoring and public safety policies. However, the scarcity of public datasets and the complexity of human interactions make this task challenging. This study investigates the integration of advanced deep learning techniques, including Attention Mechanism, Convolutional Neural Networks (CNNs), and Bidirectional Long ShortTerm Memory (BiLSTM), to improve the detection of violent behaviors in videos. The research explores how the use of the attention mechanism can help focus on the most relevant parts of the video, enhancing the accuracy and robustness of the model. The experiments indicate that the combination of CNNs with BiLSTM and the attention mechanism provides a promising solution for conflict monitoring, offering insights into the effectiveness of different strategies. This work opens new possibilities for the development of automated surveillance systems that can operate more efficiently in real-time detection of violent events.
• Abstract（参考訳）: ビデオによる人間の衝突の自動検出は、コンピュータビジョンにおいて重要な領域であり、監視と公衆安全ポリシーに重要な応用がある。 しかし、公開データセットの不足と人間のインタラクションの複雑さは、このタスクを困難にしている。 本研究では、ビデオにおける暴力行為の検出を改善するために、注意機構、畳み込みニューラルネットワーク(CNN)、双方向長短期記憶(BiLSTM)などの高度なディープラーニング技術の統合について検討する。 この研究は、アテンションメカニズムの使用が、ビデオの最も関連性の高い部分に集中し、モデルの正確性と堅牢性を高めるのにどのように役立つかを探る。 この実験は、CNNとBiLSTMの組み合わせとアテンションメカニズムが競合監視に有望なソリューションを提供し、異なる戦略の有効性に関する洞察を提供することを示している。 この研究は、暴力事象のリアルタイム検出においてより効率的に動作する自動監視システムの開発に新たな可能性を開く。

関連論文リスト

• Adversarial Challenges in Network Intrusion Detection Systems: Research Insights and Future Prospects [0.33554367023486936]
  本稿では,機械学習を用いたネットワーク侵入検知システム(NIDS)の総合的なレビューを行う。 NIDSにおける既存の研究を批判的に検討し、重要なトレンド、強み、限界を強調した。 我々は、この分野における新たな課題について議論し、より堅牢でレジリエントなNIDSの開発に向けた洞察を提供する。
  論文  参考訳（メタデータ） (2024-09-27T13:27:29Z)
• A Critical Analysis on Machine Learning Techniques for Video-based Human Activity Recognition of Surveillance Systems: A Review [1.3693860189056777]
  混雑した場所での異常な活動の増大は、インテリジェントな監視システムの必要性を喚起する。 ビデオに基づく人間の活動認識は、そのプレス問題で多くの研究者を惹きつけている。 本稿では,映像に基づくヒューマンアクティビティ認識(HAR)技術について批判的な調査を行う。
  論文  参考訳（メタデータ） (2024-09-01T14:43:57Z)
• CUE-Net: Violence Detection Video Analytics with Spatial Cropping, Enhanced UniformerV2 and Modified Efficient Additive Attention [21.354382437543315]
  本稿では,ビデオ監視における暴力自動検出のための新しいアーキテクチャであるCUE-Netを紹介する。 CUE-Netはローカルとグローバル両方の時間的特徴に着目し、RWF-2000およびRLVSデータセット上で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2024-04-27T20:09:40Z)
• Investigating Human-Identifiable Features Hidden in Adversarial Perturbations [54.39726653562144]
  我々の研究では、最大5つの攻撃アルゴリズムを3つのデータセットにわたって探索する。 対人摂動における人間の識別可能な特徴を同定する。 画素レベルのアノテーションを用いて、そのような特徴を抽出し、ターゲットモデルに妥協する能力を実証する。
  論文  参考訳（メタデータ） (2023-09-28T22:31:29Z)
• Re-mine, Learn and Reason: Exploring the Cross-modal Semantic Correlations for Language-guided HOI detection [57.13665112065285]
  ヒューマンオブジェクトインタラクション(HOI)検出は、コンピュータビジョンの課題である。 本稿では,構造化テキスト知識を組み込んだHOI検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-07-25T14:20:52Z)
• A Hybrid Deep Learning Anomaly Detection Framework for Intrusion Detection [4.718295605140562]
  本稿では,3段階のディープラーニング異常検出に基づくネットワーク侵入攻撃検出フレームワークを提案する。 このフレームワークは、教師なし(K平均クラスタリング)、半教師付き(GANomaly)、および教師付き学習(CNN)アルゴリズムの統合を含む。 そして、3つのベンチマークデータセット上で実装したフレームワークの性能を評価した。
  論文  参考訳（メタデータ） (2022-12-02T04:40:54Z)
• BI AVAN: Brain inspired Adversarial Visual Attention Network [67.05560966998559]
  機能的脳活動から直接人間の視覚的注意を特徴付ける脳誘発対人視覚注意ネットワーク(BI-AVAN)を提案する。 本モデルは,人間の脳が監督されていない方法で焦点を絞った映画フレーム内の視覚的物体を識別・発見するために,注意関連・無視対象間の偏りのある競合過程を模倣する。
  論文  参考訳（メタデータ） (2022-10-27T22:20:36Z)
• Attention Mechanisms in Computer Vision: A Survey [75.6074182122423]
  本稿では,コンピュータビジョンにおける様々な注意機構について概観する。 チャネルアテンション,空間アテンション,時間アテンション,分岐アテンションなど,アプローチによって分類する。 我々は注意機構研究の今後の方向性を提案する。
  論文  参考訳（メタデータ） (2021-11-15T09:18:40Z)
• Towards Interaction Detection Using Topological Analysis on Neural Networks [55.74562391439507]
  ニューラルネットワークでは、あらゆる相互作用する特徴は共通の隠蔽ユニットとの強い重み付けの接続に従う必要がある。 本稿では, 永続的ホモロジーの理論に基づいて, 相互作用強度を定量化するための新しい尺度を提案する。 PID(Persistence Interaction Detection)アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2020-10-25T02:15:24Z)
• Cost-effective Interactive Attention Learning with Neural Attention Processes [79.8115563067513]
  対話型注意学習(Interactive Attention Learning, IAL)と呼ばれる対話型学習フレームワークを提案する。 IALは、人間のアノテーションが不足しているため、過度に適合する傾向がある。 我々は,サンプル効率のよい注意機構と,コスト効率のよいインスタンスと機能の再ランクアルゴリズムを提案することで,これらの課題に対処する。
  論文  参考訳（メタデータ） (2020-06-09T17:36:41Z)
• Continual Learning for Anomaly Detection in Surveillance Videos [36.24563211765782]
  本稿では,移動学習と連続学習を用いた監視ビデオのオンライン異常検出手法を提案する。 提案アルゴリズムは,移動学習のためのニューラルネットワークモデルの特徴抽出能力と,統計的検出手法の連続学習能力を利用する。
  論文  参考訳（メタデータ） (2020-04-15T16:41:20Z)

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。