論文の概要: Elderly Activity Recognition in the Wild: Results from the EAR Challenge

• arxiv url: http://arxiv.org/abs/2503.07821v1
• Date: Mon, 10 Mar 2025 20:07:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-12 15:44:00.138245
• Title: Elderly Activity Recognition in the Wild: Results from the EAR Challenge
• Title（参考訳）: 野生における高齢者の行動認識 : ear Challengeの結果から
• Authors: Anh-Kiet Duong,
• Abstract要約: 本稿では, WACV 2025におけるコンピュータビジョン・フォー・スモールズワークショップの一環として, 高齢者行動認識(EAR)チャレンジの解決策を提案する。 本手法は,高齢者固有のデータセットの伝達学習を通じて微調整を行い,適応性を向上する,最先端の行動認識モデルを構築している。 本ソリューションは, 高齢者活動の分類における有効性を強調し, 一般のリーダーボード上で0.81455の精度を実現している。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: This paper presents our solution for the Elderly Action Recognition (EAR) Challenge, part of the Computer Vision for Smalls Workshop at WACV 2025. The competition focuses on recognizing Activities of Daily Living (ADLs) performed by the elderly, covering six action categories with a diverse dataset. Our approach builds upon a state-of-the-art action recognition model, fine-tuned through transfer learning on elderly-specific datasets to enhance adaptability. To improve generalization and mitigate dataset bias, we carefully curated training data from multiple publicly available sources and applied targeted pre-processing techniques. Our solution currently achieves 0.81455 accuracy on the public leaderboard, highlighting its effectiveness in classifying elderly activities. Source codes are publicly available at https://github.com/ffyyytt/EAR-WACV25-DAKiet-TSM.
• Abstract（参考訳）: 本稿では, WACV 2025におけるコンピュータビジョン・フォー・スモールズワークショップの一環として, 高齢者行動認識(EAR)チャレンジの解決策を提案する。 このコンペティションは、高齢者が行う日常生活活動(ADL)の認識に焦点を当て、多様なデータセットで6つの行動カテゴリーをカバーする。 本手法は,高齢者固有のデータセットの伝達学習を通じて微調整を行い,適応性を向上する,最先端の行動認識モデルを構築している。 一般化とデータセットバイアスを軽減するため、複数の公開ソースからのトレーニングデータを慎重にキュレートし、ターゲット前処理技術を適用した。 本ソリューションは, 高齢者活動の分類における有効性を強調し, 一般のリーダーボード上で0.81455の精度を実現している。 ソースコードはhttps://github.com/ffyytt/EAR-WACV25-DAKiet-TSMで公開されている。

関連論文リスト

• Learn from the Learnt: Source-Free Active Domain Adaptation via Contrastive Sampling and Visual Persistence [60.37934652213881]
  ドメイン適応(DA)は、ソースドメインから関連するターゲットドメインへの知識伝達を容易にする。 本稿では、ソースデータフリーなアクティブドメイン適応(SFADA)という実用的なDAパラダイムについて検討する。 本稿では,学習者学習(LFTL)というSFADAの新たなパラダイムを紹介し,学習した学習知識を事前学習モデルから活用し,余分なオーバーヘッドを伴わずにモデルを積極的に反復する。
  論文  参考訳（メタデータ） (2024-07-26T17:51:58Z)
• Deep Learning for Computer Vision based Activity Recognition and Fall Detection of the Elderly: a Systematic Review [0.6144680854063939]
  AAL(Ambient Assisted Living)システムに関する多くの研究が出版されており、高齢者の自立生活による偏見を減らすのに役立っている。 本研究では,高齢者の転倒検出とHAR(Human Activity Recognition)について,文献の体系的レビューを行った。 この2つの課題を遂行する現在の傾向に対処するため,コンピュータビジョンデータに対するディープラーニング(DL)に基づくアプローチの活用に焦点をあてた。
  論文  参考訳（メタデータ） (2024-01-22T09:40:52Z)
• Learning Objective-Specific Active Learning Strategies with Attentive Neural Processes [72.75421975804132]
  学び アクティブラーニング(LAL)は、アクティブラーニング戦略自体を学ぶことを提案し、与えられた設定に適応できるようにする。 能動学習問題の対称性と独立性を利用した新しい分類法を提案する。 私たちのアプローチは、筋電図から学ぶことに基づいており、モデルに標準ではない目的に適応する能力を与えます。
  論文  参考訳（メタデータ） (2023-09-11T14:16:37Z)
• Scaling Data Generation in Vision-and-Language Navigation [116.95534559103788]
  本稿では,学習のための大規模データ生成に有効なパラダイムを提案する。 我々は、HM3DとGibsonのデータセットから1200以上のフォトリアリスティック環境を適用し、490万の命令軌道対を合成する。 我々の大規模データセットのおかげで、既存のエージェントの性能は(以前のSoTAでは+11%絶対)、単純な模倣学習によってR2Rテストの分割で80%の単ラン成功率で大幅に向上できる。
  論文  参考訳（メタデータ） (2023-07-28T16:03:28Z)
• ALP: Action-Aware Embodied Learning for Perception [60.64801970249279]
  認知のための行動認識型身体学習(ALP)について紹介する。 ALPは、強化学習ポリシーと逆ダイナミクス予測目標を最適化することにより、行動情報を表現学習に組み込む。 ALPは、複数の下流認識タスクにおいて、既存のベースラインよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-06-16T21:51:04Z)
• SelfAct: Personalized Activity Recognition based on Self-Supervised and Active Learning [0.688204255655161]
  SelfActは、ウェアラブルおよびモバイルデバイス上でのヒューマンアクティビティ認識(HAR)のための新しいフレームワークである。 自己教師とアクティブな学習を組み合わせることで、アクティビティ実行のイントラやインターバリアビリティといった問題を軽減します。 公開されている2つのHARデータセットに関する実験は、SelfActが完全に教師付きアプローチのそれに近い、あるいはそれ以上の結果を得ることを示した。
  論文  参考訳（メタデータ） (2023-04-19T09:39:11Z)
• Leveraging Pretrained Representations with Task-related Keywords for Alzheimer's Disease Detection [69.53626024091076]
  アルツハイマー病(AD)は高齢者に特に顕著である。 事前学習モデルの最近の進歩は、AD検出モデリングを低レベル特徴から高レベル表現にシフトさせる動機付けとなっている。 本稿では,高レベルの音響・言語的特徴から,より優れたAD関連手がかりを抽出する,いくつかの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2023-03-14T16:03:28Z)
• TAAL: Test-time Augmentation for Active Learning in Medical Image Segmentation [7.856339385917824]
  本稿では,セグメンテーションのための半教師付きアクティブラーニング手法であるTAAL(Test-time Augmentation for Active Learning)を提案する。 以上の結果から,TAALは既存のベースライン法よりも,完全教師付きと半教師付きの両方で優れていることが示された。
  論文  参考訳（メタデータ） (2023-01-16T22:19:41Z)
• Explored An Effective Methodology for Fine-Grained Snake Recognition [8.908667065576632]
  我々は,様々なメタ情報を活用し,きめ細かい識別を支援するために,強力なマルチモーダルバックボーンを設計する。 ラベルのないデータセットを最大限に活用するために,自己教師付き学習と教師付き学習共同学習を用いる。 本手法は,個人用および公開用データセットにおいて,それぞれ92.7%,89.4%のマクロf1スコアを達成できる。
  論文  参考訳（メタデータ） (2022-07-24T02:19:15Z)
• Self-supervised Learning for Human Activity Recognition Using 700,000 Person-days of Wearable Data [15.092070262451768]
  我々は,英国・ビオバンクのアクティビティトラッカーデータセット上で,自己教師付き学習技術を活用する。 結果として得られたアクティビティ認識モデルは、7つのベンチマークデータセットで一貫して強力なベースラインを上回りました。
  論文  参考訳（メタデータ） (2022-06-06T21:14:01Z)
• LAE : Long-tailed Age Estimation [52.5745217752147]
  まず、簡単な標準ベースラインを定式化し、事前トレーニング、データ拡張、モデルアーキテクチャなどのトリックを収集することで、はるかに強力なベースラインを構築します。 標準ベースラインと比較して,提案手法は推定誤差を著しく低減する。 本稿では,Long-tailed Age Estimation (LAE) という2段階の学習手法を提案する。
  論文  参考訳（メタデータ） (2021-10-25T09:05:44Z)

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。