論文の概要: Gun Detection Using Combined Human Pose and Weapon Appearance

• arxiv url: http://arxiv.org/abs/2503.12215v1
• Date: Sat, 15 Mar 2025 17:57:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-18 12:31:21.314862
• Title: Gun Detection Using Combined Human Pose and Weapon Appearance
• Title（参考訳）: 人間の姿勢と武器の出現を組み合わせた銃検出
• Authors: Amulya Reddy Maligireddy, Manohar Reddy Uppula, Nidhi Rastogi, Yaswanth Reddy Parla,
• Abstract要約: 深層学習技術を用いて,人間のポーズ推定と武器の外観認識を統合した新しいアプローチを提案する。 身体に焦点をあてた従来の研究とは異なり、我々の方法は姿勢と武器の存在を共同で分析する。 本研究の目的は、銃器検知システムの精度と信頼性の向上であり、リスクの高い地域での公衆安全と脅威軽減の強化に寄与することである。
• 参考スコア（独自算出の注目度）: 0.7499722271664147
• License:
• Abstract: The increasing frequency of firearm-related incidents has necessitated advancements in security and surveillance systems, particularly in firearm detection within public spaces. Traditional gun detection methods rely on manual inspections and continuous human monitoring of CCTV footage, which are labor-intensive and prone to high false positive and negative rates. To address these limitations, we propose a novel approach that integrates human pose estimation with weapon appearance recognition using deep learning techniques. Unlike prior studies that focus on either body pose estimation or firearm detection in isolation, our method jointly analyzes posture and weapon presence to enhance detection accuracy in real-world, dynamic environments. To train our model, we curated a diverse dataset comprising images from open-source repositories such as IMFDB and Monash Guns, supplemented with AI-generated and manually collected images from web sources. This dataset ensures robust generalization and realistic performance evaluation under various surveillance conditions. Our research aims to improve the precision and reliability of firearm detection systems, contributing to enhanced public safety and threat mitigation in high-risk areas.
• Abstract（参考訳）: 銃器関連事件の発生頻度の増加は、特に公共空間内の銃器検出において、セキュリティや監視システムの進歩を必要としている。 従来の銃検出法は、労働集約的で偽陽性や負の率が高いCCTVの映像を手動で検査し、継続的に監視することに依存している。 これらの制約に対処するため,深層学習技術を用いて,人間のポーズ推定と武器の外観認識を統合した新しいアプローチを提案する。 身体の姿勢推定や銃器検出を単独で行う従来の研究とは異なり,本手法では姿勢と武器の存在を共同で分析し,実世界の動的環境における検出精度を高める。 モデルをトレーニングするために、IMFDBやMonash Gunsなどのオープンソースリポジトリの画像からなる多様なデータセットを、AI生成および手動でWebソースから収集した画像を補足した。 このデータセットは、様々な監視条件下での堅牢な一般化と現実的なパフォーマンス評価を保証する。 本研究の目的は、銃器検知システムの精度と信頼性の向上であり、リスクの高い地域での公衆安全と脅威軽減の強化に寄与することである。

関連論文リスト

• Safety at Scale: A Comprehensive Survey of Large Model Safety [299.801463557549]
  我々は、敵攻撃、データ中毒、バックドア攻撃、ジェイルブレイクとプロンプトインジェクション攻撃、エネルギー遅延攻撃、データとモデル抽出攻撃、出現するエージェント固有の脅威を含む、大規模なモデルに対する安全脅威の包括的分類を提示する。 我々は、大規模なモデル安全性におけるオープンな課題を特定し、議論し、包括的な安全性評価、スケーラブルで効果的な防御機構、持続可能なデータプラクティスの必要性を強調します。
  論文  参考訳（メタデータ） (2025-02-02T05:14:22Z)
• Understanding and Improving Training-Free AI-Generated Image Detections with Vision Foundation Models [68.90917438865078]
  顔合成と編集のためのディープフェイク技術は、生成モデルに重大なリスクをもたらす。 本稿では,モデルバックボーン,タイプ,データセット間で検出性能がどう変化するかを検討する。 本稿では、顔画像のパフォーマンスを向上させるContrastive Blurと、ノイズタイプのバイアスに対処し、ドメイン間のパフォーマンスのバランスをとるMINDERを紹介する。
  論文  参考訳（メタデータ） (2024-11-28T13:04:45Z)
• Real-Time Weapon Detection Using YOLOv8 for Enhanced Safety [0.0]
  このモデルは、様々な種類の銃器とエッジ武器を描いた何千もの画像を含む包括的なデータセットで訓練された。 精度,リコール,F1スコア,平均平均平均精度(mAP)を複数のIoU閾値で比較し,モデルの性能評価を行った。
  論文  参考訳（メタデータ） (2024-10-23T10:35:51Z)
• Present and Future Generalization of Synthetic Image Detectors [0.6144680854063939]
  この研究は系統的な分析を行い、その洞察を用いて、堅牢な合成画像検出器の訓練のための実践的ガイドラインを開発する。 モデル一般化機能は、実際のデプロイメント条件を含む、さまざまな設定で評価される。 現在の手法は特定のシナリオにおいて優れているが、単一の検出器が普遍的な効果を達成できないことを示す。
  論文  参考訳（メタデータ） (2024-09-21T12:46:17Z)
• An Attention-Based Deep Generative Model for Anomaly Detection in Industrial Control Systems [3.303448701376485]
  異常検出は、産業制御システムの安全かつ信頼性の高い運用に不可欠である。 本稿では,このニーズを満たすための新しい深層生成モデルを提案する。
  論文  参考訳（メタデータ） (2024-05-03T23:58:27Z)
• AI-Based Energy Transportation Safety: Pipeline Radial Threat Estimation Using Intelligent Sensing System [52.93806509364342]
  本稿では,分散光ファイバーセンシング技術に基づくエネルギーパイプラインの放射状脅威推定手法を提案する。 本稿では,包括的信号特徴抽出のための連続的マルチビュー・マルチドメイン機能融合手法を提案する。 本研究では,事前学習モデルによる伝達学習の概念を取り入れ,認識精度と学習効率の両立を図る。
  論文  参考訳（メタデータ） (2023-12-18T12:37:35Z)
• Detection and Localization of Firearm Carriers in Complex Scenes for Improved Safety Measures [17.03422574286601]
  本稿では,銃器通信事業者の地域化に有用な手がかりを提供する,人と銃器のインタラクション情報を活用する新しいアプローチを提案する。 本手法は,人や銃器を背景から効果的に識別する機構を,関連分野に着目して組み込んだものである。 異なる大きさの入力を処理するために,注目マスク付き対のヒューマン・ファイアアーム・インスタンスをディープネットワークを介してチャネルとして通過し,特徴計算を行う。
  論文  参考訳（メタデータ） (2023-09-17T10:50:46Z)
• CCTV-Gun: Benchmarking Handgun Detection in CCTV Images [59.24281591714385]
  銃の暴力は重要なセキュリティ問題であり、コンピュータビジョンコミュニティが効果的な銃検出アルゴリズムを開発することが必須である。 実際のCCTV画像から銃を検出することは、未だに困難で未調査の課題である。 我々は,実世界のCCTV画像における拳銃検出の課題に対処するベンチマーク「textbfCCTV-Gun」を提案する。
  論文  参考訳（メタデータ） (2023-03-19T16:17:35Z)
• Surveillance Evasion Through Bayesian Reinforcement Learning [78.79938727251594]
  ランダム終端の強度が全く不明な2次元連続経路計画問題を考える。 これらのオブザーバーの監視強度は未知であり、反復的な経路計画を通じて学ぶ必要がある。
  論文  参考訳（メタデータ） (2021-09-30T02:29:21Z)
• No Need to Know Physics: Resilience of Process-based Model-free Anomaly Detection for Industrial Control Systems [95.54151664013011]
  本稿では,システムの物理的特性に反する逆スプーフ信号を生成するための新しい枠組みを提案する。 トップセキュリティカンファレンスで公表された4つの異常検知器を分析した。
  論文  参考訳（メタデータ） (2020-12-07T11:02:44Z)

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。