論文の概要: From Offline to Periodic Adaptation for Pose-Based Shoplifting Detection in Real-world Retail Security

• arxiv url: http://arxiv.org/abs/2603.04723v1
• Date: Thu, 05 Mar 2026 01:53:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-06 22:06:11.026319
• Title: From Offline to Periodic Adaptation for Pose-Based Shoplifting Detection in Real-world Retail Security
• Title（参考訳）: オフラインから定期的適応へ : 実店舗セキュリティにおけるPose-based Shoplifting Detection
• Authors: Shanle Yao, Narges Rashvand, Armin Danesh Pazho, Hamed Tabkhi,
• Abstract要約: 万引きは小売業者にとって、運用と経済的課題の増大だ。 本稿では,ポーズベースで教師なしビデオ異常検出問題として,万引き検出を論じる。 オンサイトIoT(Internet of Things)デプロイメント用に設計された定期的な適応フレームワークを導入する。
• 参考スコア（独自算出の注目度）: 9.42132060759461
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Shoplifting is a growing operational and economic challenge for retailers, with incidents rising and losses increasing despite extensive video surveillance. Continuous human monitoring is infeasible, motivating automated, privacy-preserving, and resource-aware detection solutions. In this paper, we cast shoplifting detection as a pose-based, unsupervised video anomaly detection problem and introduce a periodic adaptation framework designed for on-site Internet of Things (IoT) deployment. Our approach enables edge devices in smart retail environments to adapt from streaming, unlabeled data, supporting scalable and low-latency anomaly detection across distributed camera networks. To support reproducibility, we introduce RetailS, a new large-scale real-world shoplifting dataset collected from a retail store under multi-day, multi-camera conditions, capturing unbiased shoplifting behavior in realistic IoT settings. For deployable operation, thresholds are selected using both F1 and H_PRS scores, the harmonic mean of precision, recall, and specificity, during data filtering and training. In periodic adaptation experiments, our framework consistently outperformed offline baselines on AUC-ROC and AUC-PR in 91.6% of evaluations, with each training update completing in under 30 minutes on edge-grade hardware, demonstrating the feasibility and reliability of our solution for IoT-enabled smart retail deployment.
• Abstract（参考訳）: ショップリフティングは小売店にとって運用と経済的課題の増大であり、大規模なビデオ監視にもかかわらず、インシデントの増加と損失が増加している。 継続的監視は実現不可能であり、自動化、プライバシ保護、リソース認識検出ソリューションを動機付けている。 本稿では、ポーズベースで教師なしのビデオ異常検出問題として万引き検出を論じ、オンサイトIoT(Internet of Things)デプロイメント用に設計された定期的適応フレームワークを導入する。 当社のアプローチでは、スマート小売環境のエッジデバイスが、ストリーミング、ラベルなしデータから順応し、分散カメラネットワーク間のスケーラブルで低レイテンシな異常検出をサポートしています。 再現性をサポートするために,小売店から収集した大規模な実世界の万引きデータセットであるRetailSを紹介した。 展開可能な操作では、データフィルタリングとトレーニング中にF1とH_PRSスコア、精度、リコール、特異性の調和平均を用いてしきい値が選択される。 定期的な適応実験では、我々のフレームワークは、評価の91.6%でAUC-ROCとAUC-PRのオフラインベースラインを一貫して上回り、各トレーニングアップデートは、エッジグレードハードウェアで30分未満で完了し、IoT対応のスマート小売デプロイメントにおけるソリューションの実現可能性と信頼性を実証した。

関連論文リスト

• Multi-Agent Collaborative Intrusion Detection for Low-Altitude Economy IoT: An LLM-Enhanced Agentic AI Framework [60.72591149679355]
  低高度経済の急速な拡大により、インターネット・オブ・モノ(LAE-IoT)ネットワークは前例のないセキュリティ上の課題を生んだ。 従来の侵入検知システムは、空中IoT環境のユニークな特徴に対処できない。 LAE-IoTネットワークにおける侵入検出を強化するための大規模言語モデル(LLM)対応エージェントAIフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-25T12:47:25Z)
• Video Object Recognition in Mobile Edge Networks: Local Tracking or Edge Detection? [57.000348519630286]
  モバイルエッジコンピューティングの最近の進歩により、高精度ニューラルネットワークを備えたエッジサーバに集約的なオブジェクト検出をオフロードすることが可能になった。 このハイブリッドアプローチは有望なソリューションを提供するが、新たな課題として、エッジ検出とローカルトラッキングのタイミングを決定する。 局所的なトラッキングとエッジ検出を適応的に選択する深層強化学習に基づくアルゴリズムである単一デバイス環境での LTED-Ada を提案する。
  論文  参考訳（メタデータ） (2025-11-25T04:54:51Z)
• A Co-Training Semi-Supervised Framework Using Faster R-CNN and YOLO Networks for Object Detection in Densely Packed Retail Images [1.0896567381206714]
  本研究では,密集した小売環境におけるオブジェクト検出のための半教師付き協調学習フレームワークを提案する。 このフレームワークは、正確なローカライゼーションのためにFaster R-CNNと、グローバルコンテキストのためのYOLOを組み合わせたものだ。 XGBoost、Random Forest、SVMのアンサンブルを採用し、多様な特徴表現を高い堅牢性に活用している。
  論文  参考訳（メタデータ） (2025-09-11T13:40:43Z)
• CITADEL: Continual Anomaly Detection for Enhanced Learning in IoT Intrusion Detection [9.92596575679496]
  IoT(Internet of Things)は、幅広いサイバー脅威に対して脆弱である。 侵入検知システム(IDS)はIoTセキュリティを強化するために広く研究されている。 我々は、良性データから堅牢な表現を抽出する自己教師付き連続学習フレームワークCITADELを提案する。
  論文  参考訳（メタデータ） (2025-08-26T21:55:26Z)
• AI-Powered Anomaly Detection with Blockchain for Real-Time Security and Reliability in Autonomous Vehicles [1.1797787239802762]
  我々は、リアルタイム異常検出のための人工知能(AI)のパワーとブロックチェーン技術を組み合わせて、悪意のあるアクティビティを検出して防止する新しいフレームワークを開発する。 このフレームワークでは、センサデータと異常アラートをブロックチェーン台帳にセキュアに格納する分散プラットフォームを使用して、データの不正性と信頼性を保証している。 これにより、AVシステムは、サイバースペースとハードウェアコンポーネントの両方の障害からの攻撃に対してより耐性がある。
  論文  参考訳（メタデータ） (2025-05-10T12:53:28Z)
• 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)
• Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
  我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。 FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。 実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
  論文  参考訳（メタデータ） (2024-01-22T14:16:37Z)
• Concept-based Anomaly Detection in Retail Stores for Automatic Correction using Mobile Robots [3.989104441591223]
  Co-ADは視覚変換器(ViT)を用いた概念に基づく異常検出手法である 計画図のような事前の知識ベースを使わずに、誤って配置されたオブジェクトにフラグを付けることができる。 小売品の異常検出画像セットで89.90%の最高成功率を持つ。
  論文  参考訳（メタデータ） (2023-10-21T16:49:23Z)
• Robust Object Detection via Instance-Level Temporal Cycle Confusion [89.1027433760578]
  物体検出器の分布外一般化を改善するための補助的自己監視タスクの有効性を検討する。 最大エントロピーの原理に触発されて,新しい自己監督タスクであるインスタンスレベル時間サイクル混乱(cycconf)を導入する。 それぞれのオブジェクトに対して、タスクは、ビデオ内の隣接するフレームで最も異なるオブジェクトの提案を見つけ、自己スーパービジョンのために自分自身にサイクルバックすることです。
  論文  参考訳（メタデータ） (2021-04-16T21:35:08Z)
• Aurora Guard: Reliable Face Anti-Spoofing via Mobile Lighting System [103.5604680001633]
  紙写真やデジタルビデオの高解像度レンダリングリプレイに対する反偽造は、未解決の問題だ。 オーロラガード(Aurora Guard, AG)と呼ばれる, シンプルだが効果的な顔保護システムを提案する。
  論文  参考訳（メタデータ） (2021-02-01T09:17:18Z)
• Real-time Embedded Person Detection and Tracking for Shopping Behaviour Analysis [1.0514231683620514]
  店舗のような環境下での人々のカウントと追跡によるショッピング行動分析は、店舗運営者にとって貴重な情報を提供する。 我々は、Jetson TX2ハードウェアプラットフォーム上で、リアルタイムに最適化されたYOLOv3ベースの歩行者検出器を実装した。 検知器とスパース光フロートラッカーを組み合わせることで、各顧客にユニークなIDを割り当て、部分的に隠された顧客を略奪する問題に取り組む。 検出器トラッカーをベースとしたソリューションは,処理速度10FPSで平均81.59%の精度を達成する。
  論文  参考訳（メタデータ） (2020-07-09T17:14:15Z)

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。