論文の概要: Material Identification Via RFID For Smart Shopping

• arxiv url: http://arxiv.org/abs/2504.17898v1
• Date: Thu, 24 Apr 2025 19:18:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:53.559889
• Title: Material Identification Via RFID For Smart Shopping
• Title（参考訳）: スマートショッピングのためのRFIDによる材料識別
• Authors: David Wang, Derek Goh, Jiale Zhang,
• Abstract要約: 本稿では,既存のRFIDタグ付きアイテムを,異なる容器のRF信号の減衰と散乱を利用した物質センサに変換するシステムを提案する。 シミュレーションされた小売環境では、モデルは1秒のサンプルで89%の精度を達成し、1回の読み取りで74%の精度を達成している。 通路や玄関のチョークポイントに配備されると、不審な出来事をリアルタイムで通知し、カメラのスクリーニングやスタッフの介入を促す。
• 参考スコア（独自算出の注目度）: 7.335607211003548
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cashierless stores rely on computer vision and RFID tags to associate shoppers with items, but concealed items placed in backpacks, pockets, or bags create challenges for theft prevention. We introduce a system that turns existing RFID tagged items into material sensors by exploiting how different containers attenuate and scatter RF signals. Using RSSI and phase angle, we trained a neural network to classify seven common containers. In a simulated retail environment, the model achieves 89% accuracy with one second samples and 74% accuracy from single reads. Incorporating distance measurements, our system achieves 82% accuracy across 0.3-2m tag to reader separations. When deployed at aisle or doorway choke points, the system can flag suspicious events in real time, prompting camera screening or staff intervention. By combining material identification with computer vision tracking, our system provides proactive loss prevention for cashierless retail while utilizing existing infrastructure.
• Abstract（参考訳）: Cashierlessストアは、買い物客とアイテムを関連付けるためにコンピュータビジョンとRFIDタグに依存しているが、バックパック、ポケット、バッグに隠されたアイテムは盗難防止の課題を生み出している。 本稿では,既存のRFIDタグ付きアイテムを,異なる容器のRF信号の減衰と散乱を利用した物質センサに変換するシステムを提案する。 RSSIと位相角を用いて、ニューラルネットワークをトレーニングし、7つの共通コンテナを分類した。 シミュレーションされた小売環境では、モデルは1秒のサンプルで89%の精度を達成し、1回の読み取りで74%の精度を達成している。 距離測定を組み込んだシステムでは,0.3-2mタグ間で82%の精度で読み取り分離を行う。 通路や玄関のチョークポイントに配備されると、不審な出来事をリアルタイムで通知し、カメラのスクリーニングやスタッフの介入を促す。 本システムは,コンピュータビジョントラッキングと材料識別を組み合わせることで,既存インフラを活用しながらレジなし小売店舗の積極的に損失防止を実現する。

関連論文リスト

• AdvGPS: Adversarial GPS for Multi-Agent Perception Attack [47.59938285740803]
  本研究は,マルチエージェント認識システムにおいて,特定のGPS信号が容易に誤認できるかどうかを考察する。 我々は,システム内の個々のエージェントに対してステルス性を持つ逆GPS信号を生成可能なtextscAdvGPSを紹介する。 OPV2Vデータセットに対する実験により、これらの攻撃が最先端の手法の性能を著しく損なうことを示した。
  論文  参考訳（メタデータ） (2024-01-30T23:13:41Z)
• RF-Annotate: Automatic RF-Supervised Image Annotation of Common Objects in Context [0.25019493958767397]
  ワイヤレスタグは、小売商品、食品、薬品、衣服、書籍、文書、鍵、機器など、一般的な商品の追跡や識別にますます利用されている。 本稿では,自律的画素画像アノテーションのためのパイプラインRF-Annotateについて述べる。
  論文  参考訳（メタデータ） (2022-11-16T11:25:38Z)
• MMRNet: Improving Reliability for Multimodal Object Detection and Segmentation for Bin Picking via Multimodal Redundancy [68.7563053122698]
  マルチモーダル冗長性(MMRNet)を用いた信頼度の高いオブジェクト検出・分割システムを提案する。 これは、マルチモーダル冗長の概念を導入し、デプロイ中のセンサ障害問題に対処する最初のシステムである。 システム全体の出力信頼性と不確実性を測定するために,すべてのモダリティからの出力を利用する新しいラベルフリーマルチモーダル整合性(MC)スコアを提案する。
  論文  参考訳（メタデータ） (2022-10-19T19:15:07Z)
• Computer vision based vehicle tracking as a complementary and scalable approach to RFID tagging [0.0]
  RFIDタグ付けは、ロジスティクスと技術面での車両追跡ソリューションのスケーラビリティを損なう。 我々は、コンピュータビジョンアルゴリズムの公開実装を活用して、解釈可能な車両追跡アルゴリズムを開発する。 システム展開サイトから75本のビデオクリップ285本について,提案手法の評価を行った。
  論文  参考訳（メタデータ） (2022-09-13T11:49:38Z)
• Drone Detection and Tracking in Real-Time by Fusion of Different Sensing Modalities [66.4525391417921]
  マルチセンサ・ドローン検知システムの設計と評価を行う。 われわれのソリューションは、魚眼カメラを統合し、空の広い部分を監視し、他のカメラを興味ある対象に向けて操縦する。 このサーマルカメラは、たとえこのカメラが解像度が低いとしても、ビデオカメラと同じくらい実現可能なソリューションであることが示されている。
  論文  参考訳（メタデータ） (2022-07-05T10:00:58Z)
• Persistent Animal Identification Leveraging Non-Visual Markers [71.14999745312626]
  乱雑なホームケージ環境下で各マウスにユニークな識別子を時間をかけて発見し提供することを目的としている。 これは、(i)各マウスの視覚的特徴の区別の欠如、(ii)一定の閉塞を伴うシーンの密閉性のため、非常に難しい問題である。 本手法は, この動物識別問題に対して77%の精度を達成し, 動物が隠れているときの急激な検出を拒否することができる。
  論文  参考訳（メタデータ） (2021-12-13T17:11:32Z)
• From One to Many: A Deep Learning Coincident Gravitational-Wave Search [58.720142291102135]
  単一検出器からの非スピン型二元ブラックホールデータに基づいてトレーニングされたニューラルネットワークを用いて、二元ブラックホールの融合から重力波を2検出器で探索する。 これらの単純な2検出器ネットワークはいずれも、検出器のデータに個別にネットワークを適用するよりも感度を向上させることができない。
  論文  参考訳（メタデータ） (2021-08-24T13:25:02Z)
• The Tags Are Alright: Robust Large-Scale RFID Clone Detection Through Federated Data-Augmented Radio Fingerprinting [11.03108444237374]
  本稿では、RFIDクローン検出の精度を高めるために、フェデレーション機械学習(FML)とデータ拡張(DAG)に基づく新しいトレーニングフレームワークを提案する。 我々の知る限り、大規模なデバイス群に対するFMLとDAの有効性を実験的に実証した最初の論文である。
  論文  参考訳（メタデータ） (2021-05-08T10:48:02Z)
• Backpropagating through Fr\'echet Inception Distance [79.81807680370677]
  FastFIDは、損失関数としてFIDで生成モデルを効率的に訓練することができる。 Generative Adversarial Networksのための追加の損失としてFIDを使用すると、FIDが改善される。
  論文  参考訳（メタデータ） (2020-09-29T15:04:40Z)
• Fully-Automated Packaging Structure Recognition in Logistics Environments [60.56493342808093]
  包装構造認識の完全自動化手法を提案する。 我々のアルゴリズムは深層学習モデルに基づいており、より正確に畳み込みニューラルネットワークを用いて画像のセグメント化を行う。 テストケースの約85%でパッケージ構造を正しく認識することができ、さらに一般的なパッケージタイプに注目する場合(91%)にさらに多くのパッケージ構造を認識できることを示す。
  論文  参考訳（メタデータ） (2020-08-11T10:57:23Z)
• Monitoring Browsing Behavior of Customers in Retail Stores via RFID Imaging [24.007822566345943]
  本稿では,モノスタティックRFIDイメージングに基づく多人数イメージングシステムTagSeeを提案する。 我々はImpinj Speedway R420リーダーとSMARTRAC DogBone RFIDタグを使用してTagSeeを実装した。 TagSeeは、たった3～4人のユーザーのトレーニングデータを使用して、マルチパーソンシナリオで90%以上のTPRと10%未満のFPRを達成することができる。
  論文  参考訳（メタデータ） (2020-07-07T16:36:24Z)
• Grab: Fast and Accurate Sensor Processing for Cashier-Free Shopping [5.777092390527491]
  キャッシュレスショッピングを実現するために,既存インフラとデバイスを活用したGrabを提案する。 Grabは顧客を正確に識別し、追跡し、各買い物客を棚から回収するアイテムに関連付ける必要がある。 小売店でのパイロット展開による実験では、Grabは90%以上の精度とリコールを達成できる。
  論文  参考訳（メタデータ） (2020-01-04T04:12:06Z)

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。