論文の概要: Recent Deep Learning in Crowd Behaviour Analysis: A Brief Review
- arxiv url: http://arxiv.org/abs/2505.18401v1
- Date: Fri, 23 May 2025 22:08:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-27 16:58:42.394648
- Title: Recent Deep Learning in Crowd Behaviour Analysis: A Brief Review
- Title（参考訳）: 群衆行動分析における最近の深層学習 : 簡単なレビュー
- Authors: Jiangbei Yue, He Wang,
- Abstract要約: 群衆の行動分析は、公共の安全や都市計画など、多くの現実世界の応用に不可欠である。
深層学習の発展は、群衆行動の研究を著しく促進した。
本章は,群集行動分析における現在進行中の深層学習研究の高レベルな要約を提供することを目的としている。
- 参考スコア（独自算出の注目度）: 9.531376461775462
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Crowd behaviour analysis is essential to numerous real-world applications, such as public safety and urban planning, and therefore has been studied for decades. In the last decade or so, the development of deep learning has significantly propelled the research on crowd behaviours. This chapter reviews recent advances in crowd behaviour analysis using deep learning. We mainly review the research in two core tasks in this field, crowd behaviour prediction and recognition. We broadly cover how different deep neural networks, after first being proposed in machine learning, are applied to analysing crowd behaviours. This includes pure deep neural network models as well as recent development of methodologies combining physics with deep learning. In addition, representative studies are discussed and compared in detail. Finally, we discuss the effectiveness of existing methods and future research directions in this rapidly evolving field. This chapter aims to provide a high-level summary of the ongoing deep learning research in crowd behaviour analysis. It intends to help new researchers who just entered this field to obtain an overall understanding of the ongoing research, as well as to provide a retrospective analysis for existing researchers to identify possible future directions
- Abstract（参考訳）: 群衆行動分析は、公共安全や都市計画など、多くの現実世界の応用に欠かせないものであり、数十年にわたって研究されてきた。
過去10年ほどで、深層学習の発展は、群衆行動の研究を著しく推進してきた。
本章は,ディープラーニングを用いた群集行動解析の最近の進歩を概観する。
本研究は,主に,観衆行動予測と認識という,この分野における2つの中核的課題についてレビューする。
機械学習で最初に提案されたディープニューラルネットワークが、群衆の振る舞いを分析するためにどのように適用されるのかを幅広く取り上げる。
これには純粋なディープニューラルネットワークモデルと、物理とディープラーニングを組み合わせた方法論の最近の開発が含まれている。
また、代表的研究を詳細に論じ、比較する。
最後に,この急速に発展する分野における既存手法の有効性と今後の研究方向性について論じる。
本章は,群集行動分析における現在進行中の深層学習研究の高レベルな要約を提供することを目的としている。
それは、この分野に参入したばかりの新しい研究者が、現在進行中の研究の全体的な理解を得るのを助けるとともに、既存の研究者が将来の方向性を見極めるための振り返り分析を提供することを目的としている。
関連論文リスト
- Multimodal Sentiment Analysis: A Survey [5.910558593808665]
本稿では,マルチモーダル感情分析の定義,背景,展開について概説する。
また、最近のデータセットや高度なモデルについても取り上げ、この技術の課題と今後の展望を強調している。
論文 参考訳（メタデータ） (2023-05-12T16:56:13Z) - Deep Long-Tailed Learning: A Survey [163.16874896812885]
ディープ・ロングテール・ラーニング(Deep Long-tailed Learning)は、長いテールのクラス分布に追従する多数の画像から、優れたパフォーマンスのディープモデルをトレーニングすることを目的としている。
長い尾を持つクラス不均衡は、現実的な視覚認識タスクにおいて一般的な問題である。
本稿では,近年の長期学習の進歩を包括的に調査する。
論文 参考訳（メタデータ） (2021-10-09T15:25:22Z) - Threat of Adversarial Attacks on Deep Learning in Computer Vision:
Survey II [86.51135909513047]
ディープラーニングは、予測を操作できる敵攻撃に対して脆弱である。
本稿では,ディープラーニングに対する敵対的攻撃におけるコンピュータビジョンコミュニティの貢献を概観する。
この領域では、非専門家に技術的な用語の定義を提供する。
論文 参考訳（メタデータ） (2021-08-01T08:54:47Z) - A Comprehensive Survey on Community Detection with Deep Learning [93.40332347374712]
コミュニティは、ネットワーク内の他のコミュニティと異なるメンバーの特徴と接続を明らかにする。
この調査は、最先端の手法の様々なカテゴリをカバーする新しい分類法を考案し、提案する。
ディープニューラルネットワーク(Deep Neural Network)は、畳み込みネットワーク(convolutional network)、グラフアテンションネットワーク( graph attention network)、生成的敵ネットワーク(generative adversarial network)、オートエンコーダ(autoencoder)に分けられる。
論文 参考訳（メタデータ） (2021-05-26T14:37:07Z) - Attention, please! A survey of Neural Attention Models in Deep Learning [0.0]
ディープラーニングの最先端は、いくつかのアプリケーションドメインの神経注意モデルによって表されます。
この調査は、神経注意モデルの発展の包括的な概要と分析を提供します。
論文 参考訳（メタデータ） (2021-03-31T02:42:28Z) - Deep Learning for Road Traffic Forecasting: Does it Make a Difference? [6.220008946076208]
本稿では,このITS研究領域におけるDeep Learningの活用に言及した技術の現状を批判的に分析することに焦点を当てる。
後続の批判分析は、交通予測のためのディープラーニングの問題について、質問を定式化し、必要な議論を引き起こす。
論文 参考訳（メタデータ） (2020-12-02T15:56:11Z) - Deep Learning for Community Detection: Progress, Challenges and
Opportunities [79.26787486888549]
この記事では、ディープニューラルネットワークにおける様々なフレームワーク、モデル、アルゴリズムの貢献について要約する。
この記事では、ディープニューラルネットワークにおける様々なフレームワーク、モデル、アルゴリズムの貢献について要約する。
論文 参考訳（メタデータ） (2020-05-17T11:22:11Z) - Deep Learning for Sensor-based Human Activity Recognition: Overview,
Challenges and Opportunities [52.59080024266596]
本稿では,センサを用いた人間の活動認識のための最先端のディープラーニング手法について調査する。
まず、官能データのマルチモーダリティを導入し、公開データセットに情報を提供する。
次に、課題によって深層メソッドを構築するための新しい分類法を提案する。
論文 参考訳（メタデータ） (2020-01-21T09:55:59Z)
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。