論文の概要: An Improved 3D Skeletons UP-Fall Dataset: Enhancing Data Quality for Efficient Impact Fall Detection
- arxiv url: http://arxiv.org/abs/2502.19048v1
- Date: Wed, 26 Feb 2025 11:02:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-27 14:57:33.250568
- Title: An Improved 3D Skeletons UP-Fall Dataset: Enhancing Data Quality for Efficient Impact Fall Detection
- Title（参考訳）: 3DスケルトンUP-Fallデータセットの改良:効率的な衝突落下検出のためのデータ品質の向上
- Authors: Tresor Y. Koffi, Youssef Mourchid, Mohammed Hindawi, Yohan Dupuis,
- Abstract要約: 秋検出研究の重要なリソースであるUP-Fallデータセットは、価値が証明されているが、データの正確性と包括性の制限に悩まされている。
本研究は,3Dスケルトンデータを組み込んだ衝撃落下検出のためのUP-Fallデータセットの改良について述べる。
我々の前処理技術は高いデータ精度と包括性を保証し、より信頼性の高い衝突落下検出を可能にする。
- 参考スコア（独自算出の注目度）: 1.806183113759115
- License:
- Abstract: Detecting impact where an individual makes contact with the ground within a fall event is crucial in fall detection systems, particularly for elderly care where prompt intervention can prevent serious injuries. The UP-Fall dataset, a key resource in fall detection research, has proven valuable but suffers from limitations in data accuracy and comprehensiveness. These limitations cause confusion in distinguishing between non-impact events, such as sliding, and real falls with impact, where the person actually hits the ground. This confusion compromises the effectiveness of current fall detection systems. This study presents enhancements to the UP-Fall dataset aiming at improving it for impact fall detection by incorporating 3D skeleton data. Our preprocessing techniques ensure high data accuracy and comprehensiveness, enabling a more reliable impact fall detection. Extensive experiments were conducted using various machine learning and deep learning algorithms to benchmark the improved 3D skeletons dataset. The results demonstrate substantial improvements in the performance of fall detection models trained on the enhanced dataset. This contribution aims to enhance the safety and well-being of the elderly population at risk. To support further research and development of building more reliable impact fall detection systems, we have made the improved 3D skeletons UP-Fall dataset publicly available at this link https://zenodo.org/records/12773013.
- Abstract（参考訳）: 転倒イベントにおいて、個人が地面と接触する影響を検出することは、転倒検知システム、特に急激な介入によって重傷を予防できる高齢者ケアにおいて重要である。
秋検出研究の重要なリソースであるUP-Fallデータセットは、価値が証明されているが、データの正確性と包括性の制限に悩まされている。
これらの制限は、スライディングのような非インパクトイベントと実際の転倒とを区別する際に混乱を引き起こす。
この混乱は、現在の落下検知システムの有効性を損なう。
本研究は,3Dスケルトンデータを組み込んだ衝撃落下検出のためのUP-Fallデータセットの改良について述べる。
我々の前処理技術は高いデータ精度と包括性を保証し、より信頼性の高い衝突落下検出を可能にする。
改良された3Dスケルトンデータセットをベンチマークするために、さまざまな機械学習アルゴリズムとディープラーニングアルゴリズムを使用して大規模な実験を行った。
その結果、強化データセットでトレーニングされた転倒検出モデルの性能が大幅に向上した。
この貢献は、高齢者の安全と幸福を危険にさらすことを目的としている。
より信頼性の高い衝撃落下検知システムの構築と開発を支援するため、改良された3DスケルトンUP-Fallデータセットをこのリンクで公開しました。
関連論文リスト
- Computer-Aided Fall Recognition Using a Three-Stream Spatial-Temporal GCN Model with Adaptive Feature Aggregation [0.5235143203977018]
転倒予防は現代医療において特に高齢者にとって最重要である。
高齢者の生活を救うためには,コンピュータ支援による転倒検知システムが不可欠である。
本稿では,3流時空間特徴量に基づく転倒検出システムを提案する。
論文 参考訳（メタデータ） (2024-08-22T08:40:04Z) - HGOE: Hybrid External and Internal Graph Outlier Exposure for Graph Out-of-Distribution Detection [78.47008997035158]
グラフデータはより多様性を示すが、摂動に対する堅牢性は低く、外れ値の統合を複雑にする。
我々は、グラフOOD検出性能を改善するために、textbfHybrid外部および内部の textbfGraph textbfOutlier textbfExposure (HGOE) の導入を提案する。
論文 参考訳（メタデータ） (2024-07-31T16:55:18Z) - Machine Learning and Feature Ranking for Impact Fall Detection Event Using Multisensor Data [1.806183113759115]
我々は、マルチセンサUP-FALLデータセットから最も関連性の高い特徴を特定するために、特徴選択プロセスを採用している。
次に、インパクトモーメントの検出における各種機械学習モデルの効率性を評価する。
この結果から, 落下検出にマルチセンサデータを活用する能力を示すとともに, 衝突検出の精度向上を実現した。
論文 参考訳（メタデータ） (2023-12-21T01:05:44Z) - The effect of data augmentation and 3D-CNN depth on Alzheimer's Disease
detection [51.697248252191265]
この研究は、データハンドリング、実験設計、モデル評価に関するベストプラクティスを要約し、厳密に観察する。
我々は、アルツハイマー病(AD)の検出に焦点を当て、医療における課題のパラダイム的な例として機能する。
このフレームワークでは,3つの異なるデータ拡張戦略と5つの異なる3D CNNアーキテクチャを考慮し,予測15モデルを訓練する。
論文 参考訳（メタデータ） (2023-09-13T10:40:41Z) - Automatic diagnosis of knee osteoarthritis severity using Swin
transformer [55.01037422579516]
変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。
我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
論文 参考訳（メタデータ） (2023-07-10T09:49:30Z) - Context-Aware Change Detection With Semi-Supervised Learning [0.0]
地球観測データを用いた変化検出は、被災地における災害の影響を定量化する上で重要な役割を担っている。
Sentinel-2のようなデータソースは、豊富な光学情報を提供するが、しばしば雲のカバーによって妨げられる。
本研究では,変更検出タスクにおけるSentinel-2データのコントリビューションを評価するモデルを開発した。
論文 参考訳（メタデータ） (2023-06-15T08:17:49Z) - Robustness and Generalization Performance of Deep Learning Models on
Cyber-Physical Systems: A Comparative Study [71.84852429039881]
調査は、センサーの故障やノイズなど、様々な摂動を扱うモデルの能力に焦点を当てている。
我々は,これらのモデルの一般化と伝達学習能力を,アウト・オブ・ディストリビューション(OOD)サンプルに公開することによって検証する。
論文 参考訳（メタデータ） (2023-06-13T12:43:59Z) - Deep Learning-based Fall Detection Algorithm Using Ensemble Model of
Coarse-fine CNN and GRU Networks [7.624051346741515]
本研究では,大小の畳み込みニューラルネットワークとゲートリカレントユニットを組み合わせたアンサンブルモデルを提案する。
提案したモデルは、それぞれ92.54%、96.13%、94.26%のリコール、精度、Fスコアを達成する。
論文 参考訳（メタデータ） (2023-04-13T08:30:46Z) - Robust Trajectory Prediction against Adversarial Attacks [84.10405251683713]
ディープニューラルネットワーク(DNN)を用いた軌道予測は、自律運転システムにおいて不可欠な要素である。
これらの手法は敵の攻撃に対して脆弱であり、衝突などの重大な結果をもたらす。
本研究では,敵対的攻撃に対する軌道予測モデルを保護するための2つの重要な要素を同定する。
論文 参考訳（メタデータ） (2022-07-29T22:35:05Z) - Fall detection using multimodal data [1.8149327897427234]
本稿では,大規模なパブリックデータセット,すなわちUP-Fall Detectionデータセットに基づく転倒検出問題について検討する。
本稿では,これらのセンサやカメラから重要な特徴を抽出し,主要な問題に対する適切なモデルを構築するためのいくつかの手法を提案する。
論文 参考訳（メタデータ） (2022-05-12T07:13:34Z) - Improving 3D Object Detection through Progressive Population Based
Augmentation [91.56261177665762]
本稿では3次元オブジェクト検出のためのデータ拡張ポリシーの設計を自動化するための最初の試みを示す。
このアルゴリズムは,探索空間を狭め,過去の反復で発見された最良のパラメータを採用することで,拡張戦略の最適化を学習する。
PPBAは, 拡張のないベースライン3次元検出モデルよりも最大10倍のデータ効率が高く, ラベル付きモデルよりもはるかに少ない精度で3次元検出モデルが競合精度を達成できる可能性が示唆された。
論文 参考訳（メタデータ） (2020-04-02T05:57:02Z)
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。