Fugu-MT 論文翻訳(概要): Computationally efficient non-Intrusive pre-impact fall detection system

論文の概要: Computationally efficient non-Intrusive pre-impact fall detection system

arxiv url: http://arxiv.org/abs/2507.03705v1
Date: Fri, 04 Jul 2025 16:41:10 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-08 15:46:34.844402
Title: Computationally efficient non-Intrusive pre-impact fall detection system
Title（参考訳）: 計算効率のよい非侵入型衝突前落下検知システム
Authors: Praveen Jesudhas, Raghuveera T, Shiney Jeyaraj,
Abstract要約: 既存の影響前の転倒検知システムは精度が高いが、被検体に侵入するか、転倒検出に大量の計算資源を必要とする。本研究では,非侵襲的かつ計算効率のよいプリインパクト・フォール検出システムを提案する。
参考スコア（独自算出の注目度）: 3.686808512438363
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Existing pre-impact fall detection systems have high accuracy, however they are either intrusive to the subject or require heavy computational resources for fall detection, resulting in prohibitive deployment costs. These factors limit the global adoption of existing fall detection systems. In this work we present a Pre-impact fall detection system that is both non-intrusive and computationally efficient at deployment. Our system utilizes video data of the locality available through cameras, thereby requiring no specialized equipment to be worn by the subject. Further, the fall detection system utilizes minimal fall specific features and simplistic neural network models, designed to reduce the computational cost of the system. A minimal set of fall specific features are derived from the skeletal data, post observing the relative position of human skeleton during fall. These features are shown to have different distributions for Fall and non-fall scenarios proving their discriminative capability. A Long Short Term Memory (LSTM) based network is selected and the network architecture and training parameters are designed after evaluation of performance on standard datasets. In the Pre-impact fall detection system the computation requirement is about 18 times lesser than existing modules with a comparable accuracy of 88%. Given the low computation requirements and higher accuracy levels, the proposed system is suitable for wider adoption in engineering systems related to industrial and residential safety.
Abstract（参考訳）: 既存の影響前の転倒検知システムは精度が高いが、それらは被検体に侵入するか、転倒検出のために重い計算資源を必要とするかのいずれかであり、配置コストが禁止される。これらの要因は、既存の転倒検知システムのグローバル採用を制限する。本研究では,非侵襲的かつ計算効率のよいプリインパクト・フォール検出システムを提案する。本システムでは,カメラで撮影できる場所の映像データを利用するので,被写体が装着する特別な機器は不要である。さらに、転倒検出システムは、最小の転倒特定特徴と、システムの計算コストを低減するために設計された単純化されたニューラルネットワークモデルを利用する。秋の特定の特徴の最小セットは、秋の間に人間の骨格の相対的な位置を観察した後、骨格データから導かれる。これらの特徴は、識別能力を示す秋と非秋のシナリオに対して異なる分布を持つことが示されている。 LSTM(Long Short Term Memory)ベースのネットワークを選択し、標準データセットの性能評価後にネットワークアーキテクチャとトレーニングパラメータを設計する。プリインパクトフォール検出システムでは、計算要求は既存のモジュールの約18倍小さく、精度は88%である。計算要求の低さと精度の向上を踏まえ, 提案システムは, 産業・住宅安全に関する工学系において, より広範な適用に適している。

関連論文リスト

Fault injection analysis of Real NVP normalising flow model for satellite anomaly detection [0.22369578015657962]
衛星は、通信、地球観測、宇宙科学など、様々な用途に使用される。人工知能(AI)の重要な応用の1つは、故障検出である。ニューラルネットワークの利点にもかかわらず、これらのシステムは放射線エラーに弱いため、信頼性に大きな影響を及ぼす可能性がある。
論文参考訳（メタデータ） (2025-04-02T08:32:59Z)
Pose-Based Fall Detection System: Efficient Monitoring on Standard CPUs [0.18416014644193066]
本稿では,センサや高出力ハードウェアを必要としない堅牢な落下検知システムを提案する。このシステムは、ポーズ推定手法としきい値に基づく分析と投票機構を組み合わせて、転倒と非転倒活動を効果的に区別する。
論文参考訳（メタデータ） (2025-03-25T09:49:36Z)
Task-Oriented Real-time Visual Inference for IoVT Systems: A Co-design Framework of Neural Networks and Edge Deployment [61.20689382879937]
タスク指向エッジコンピューティングは、データ分析をエッジにシフトすることで、この問題に対処する。既存の手法は、高いモデル性能と低いリソース消費のバランスをとるのに苦労している。ニューラルネットワークアーキテクチャを最適化する新しい協調設計フレームワークを提案する。
論文参考訳（メタデータ） (2024-10-29T19:02:54Z)
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)
FaultGuard: A Generative Approach to Resilient Fault Prediction in Smart Electrical Grids [53.2306792009435]
FaultGuardは、障害タイプとゾーン分類のための最初のフレームワークであり、敵攻撃に耐性がある。本稿では,ロバスト性を高めるために,低複雑性故障予測モデルとオンライン逆行訓練手法を提案する。本モデルでは,耐故障予測ベンチマークの最先端を最大0.958の精度で上回っている。
論文参考訳（メタデータ） (2024-03-26T08:51:23Z)
Recall-driven Precision Refinement: Unveiling Accurate Fall Detection using LSTM [0.0]
本稿では,高齢者の転倒事故に対するプレッシャー的懸念に対処するために,正確な転倒検知システムを開発することで,革新的なアプローチを提案する。提案システムは,加速度センサやジャイロセンサなどの最先端技術とディープラーニングモデル,特にLong Short-Term Memory(LSTM)ネットワークを組み合わせる。本稿では,LSTMモデルのアーキテクチャとパラメータを戦略的に微調整し,システムの性能を最適化するプルーニング手法を提案する。
論文参考訳（メタデータ） (2023-09-09T20:17:39Z)
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)
Large-Scale Sequential Learning for Recommender and Engineering Systems [91.3755431537592]
本稿では,現在の状況に適応してパーソナライズされたランキングを提供する自動アルゴリズムの設計に焦点を当てる。前者はSAROSと呼ばれる新しいアルゴリズムを提案し,インタラクションの順序を学習するためのフィードバックの種類を考慮に入れている。提案手法は, 電力網の故障検出に対する初期アプローチと比較して, 統計的に有意な結果を示す。
論文参考訳（メタデータ） (2022-05-13T21:09:41Z)
Investigation of Different Calibration Methods for Deep Speaker Embedding based Verification Systems [66.61691401921296]
本稿では, ディープスピーカ埋込抽出器のスコアキャリブレーション法について検討する。この研究のさらなる焦点は、スコア正規化がシステムの校正性能に与える影響を推定することである。
論文参考訳（メタデータ） (2022-03-28T21:22:22Z)
Leveraging the structure of dynamical systems for data-driven modeling [111.45324708884813]
トレーニングセットとその構造が長期予測の品質に与える影響を考察する。トレーニングセットのインフォームドデザインは,システムの不変性と基盤となるアトラクションの構造に基づいて,結果のモデルを大幅に改善することを示す。
論文参考訳（メタデータ） (2021-12-15T20:09:20Z)
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。