論文の概要: HyMAD: A Hybrid Multi-Activity Detection Approach for Border Surveillance and Monitoring

• arxiv url: http://arxiv.org/abs/2511.14698v1
• Date: Tue, 18 Nov 2025 17:37:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-19 16:23:53.239433
• Title: HyMAD: A Hybrid Multi-Activity Detection Approach for Border Surveillance and Monitoring
• Title（参考訳）: HyMAD: 境界監視とモニタリングのためのハイブリッドマルチアクティブ検出手法
• Authors: Sriram Srinivasan, Srinivasan Aruchamy, Siva Ram Krisha Vadali,
• Abstract要約: 地震探査は、国境の監視と監視のための有望な解決策として浮上している。 時間-時間融合に基づく深層ニューラルネットワークHybrid Multi-Activity Detectionを提案する。 本研究では,国境監視・監視の文脈で収集した実世界のフィールド記録から構築したデータセットに対するアプローチを評価する。
• 参考スコア（独自算出の注目度）: 0.5328562411561214
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Seismic sensing has emerged as a promising solution for border surveillance and monitoring; the seismic sensors that are often buried underground are small and cannot be noticed easily, making them difficult for intruders to detect, avoid, or vandalize. This significantly enhances their effectiveness compared to highly visible cameras or fences. However, accurately detecting and distinguishing between overlapping activities that are happening simultaneously, such as human intrusions, animal movements, and vehicle rumbling, remains a major challenge due to the complex and noisy nature of seismic signals. Correctly identifying simultaneous activities is critical because failing to separate them can lead to misclassification, missed detections, and an incomplete understanding of the situation, thereby reducing the reliability of surveillance systems. To tackle this problem, we propose HyMAD (Hybrid Multi-Activity Detection), a deep neural architecture based on spatio-temporal feature fusion. The framework integrates spectral features extracted with SincNet and temporal dependencies modeled by a recurrent neural network (RNN). In addition, HyMAD employs self-attention layers to strengthen intra-modal representations and a cross-modal fusion module to achieve robust multi-label classification of seismic events. e evaluate our approach on a dataset constructed from real-world field recordings collected in the context of border surveillance and monitoring, demonstrating its ability to generalize to complex, simultaneous activity scenarios involving humans, animals, and vehicles. Our method achieves competitive performance and offers a modular framework for extending seismic-based activity recognition in real-world security applications.
• Abstract（参考訳）: しばしば地下に埋もれている地震センサーは小さく、容易には認識できないため、侵入者が検出、回避、破壊を困難にしている。 これにより、高い視認性を持つカメラやフェンスに比べて、その効果が著しく向上する。 しかしながら、人間の侵入、動物の動き、車両の揺らぎなど、同時に起こっている重なり合う活動の正確な検出と識別は、地震信号の複雑でうるさい性質のために大きな課題である。 同時活動の正確な識別は、それらを分離できないことが、誤分類、発見の欠如、状況の不完全な理解につながるため、監視システムの信頼性を低下させる可能性があるため、非常に重要である。 この問題に対処するため,時空間的特徴融合に基づく深層ニューラルネットワークHybrid Multi-Activity Detectionを提案する。 このフレームワークは、SincNetで抽出されたスペクトル特徴と、リカレントニューラルネットワーク(RNN)によってモデル化された時間依存性を統合する。 さらに、HyMADは自己注意層を用いて、モーダル内表現を強化するとともに、モーダル間融合モジュールを用いて、地震事象の堅牢なマルチラベル分類を実現する。 国境監視と監視の文脈で収集された実世界のフィールド記録から構築されたデータセットに対する我々のアプローチを評価し、人間、動物、車両を含む複雑な同時活動シナリオに一般化する能力を実証した。 提案手法は,実世界のセキュリティアプリケーションにおいて,地震活動認識を拡張可能なモジュラー・フレームワークを提供する。

関連論文リスト

• Robustifying 3D Perception via Least-Squares Graphs for Multi-Agent Object Tracking [43.11267507022928]
  本稿では,3次元LiDARシーンにおける対向雑音に対する新たな緩和フレームワークを提案する。 我々は最小二乗グラフツールを用いて各検出の遠心点の位置誤差を低減する。 実世界のV2V4Realデータセットに関する広範な評価研究は、提案手法がシングルエージェントとマルチエージェントの両方のトラッキングフレームワークよりも大幅に優れていることを示す。
  論文  参考訳（メタデータ） (2025-07-07T08:41:08Z)
• Unveiling Zero-Space Detection: A Novel Framework for Autonomous Ransomware Identification in High-Velocity Environments [0.0]
  提案したZero-Space Detectionフレームワークは、教師なしクラスタリングと高度なディープラーニング技術により、潜時行動パターンを識別する。 高速度環境では多相フィルタリングとアンサンブル学習を統合して効率的な意思決定を行う。 実験的評価では、LockBit、Conti、Revil、BlackMatterなど、さまざまなランサムウェアファミリー間で高い検出率を示している。
  論文  参考訳（メタデータ） (2025-01-22T11:41:44Z)
• Code-as-Monitor: Constraint-aware Visual Programming for Reactive and Proactive Robotic Failure Detection [56.66677293607114]
  オープンセットのリアクティブかつアクティブな障害検出のためのCode-as-Monitor(CaM)を提案する。 モニタリングの精度と効率を高めるために,制約関連エンティティを抽象化する制約要素を導入する。 実験により、CaMは28.7%高い成功率を達成し、厳しい乱れの下で実行時間を31.8%短縮することが示された。
  論文  参考訳（メタデータ） (2024-12-05T18:58:27Z)
• A Hierarchical Framework with Spatio-Temporal Consistency Learning for Emergence Detection in Complex Adaptive Systems [41.055298739292695]
  複雑な適応システムのグローバルな特性であるEmergenceは、例えばネットワークレベルのトラフィック混雑など、現実世界の動的システムで広く利用されている。 本稿では,システム表現とエージェント表現を学習することで,これら2つの問題を解決するために,CASの時間的一貫性を備えた階層型フレームワークを提案する。 提案手法は,3つのデータセットに対する従来の手法や深層学習法よりも,検出の難しい動作をよく知ることができる。
  論文  参考訳（メタデータ） (2024-01-18T08:55:05Z)
• ZoomNeXt: A Unified Collaborative Pyramid Network for Camouflaged Object Detection [70.11264880907652]
  最近のオブジェクト(COD)は、現実のシナリオでは極めて複雑で難しい、視覚的にブレンドされたオブジェクトを周囲に分割しようと試みている。 本研究では,不明瞭な画像を観察したり,ズームインしたりアウトしたりする際の人間の行動を模倣する,効果的な統合協調ピラミッドネットワークを提案する。 我々のフレームワークは、画像とビデオのCODベンチマークにおいて、既存の最先端の手法を一貫して上回っている。
  論文  参考訳（メタデータ） (2023-10-31T06:11:23Z)
• PS-ARM: An End-to-End Attention-aware Relation Mixer Network for Person Search [56.02761592710612]
  モジュール・パーソン・サーチのための新しいアテンション・アウェア・リレーション・ミキサー(ARM)を提案する。 私たちのARMモジュールはネイティブで、きめ細かい監督やトポロジカルな仮定に依存していません。 我々のPS-ARMは、両方のデータセットで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2022-10-07T10:04:12Z)
• ReDFeat: Recoupling Detection and Description for Multimodal Feature Learning [51.07496081296863]
  我々は、相互重み付け戦略による多モーダル特徴学習の検出と記述の独立した制約を再定義する。 本研究では,大きな受容場を有し,学習可能な非最大抑制層を備える検出器を提案する。 我々は,特徴マッチングと画像登録タスクにおける特徴量を評価するために,クロス可視,赤外線,近赤外,合成開口レーダ画像ペアを含むベンチマークを構築した。
  論文  参考訳（メタデータ） (2022-05-16T04:24:22Z)

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。