Fugu-MT 論文翻訳(概要): Optimized Culprit Identification Using Mobilenet and Attention Mechanisms

論文の概要: Optimized Culprit Identification Using Mobilenet and Attention Mechanisms

arxiv url: http://arxiv.org/abs/2605.08169v1
Date: Mon, 04 May 2026 19:18:42 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-12 23:28:49.41832
Title: Optimized Culprit Identification Using Mobilenet and Attention Mechanisms
Title（参考訳）: モービルネットとアテンション機構を用いた最適パラメータ同定
Authors: Savitha N J, Lata B T,
Abstract要約: チャネルと空間的注意機構を統合した軽量なMobileNetアーキテクチャを用いて,最適化されたディープラーニングフレームワークを提案する。提案モデルは,無関係な背景情報を抑えつつ,最も識別性の高い領域に選択的に焦点を絞って特徴表現を強化する。例えば、Labelled Faces in the Wild (LFW)、CASIA-FaceWeb、VGGFace2のサブセットなどである。提案手法は計算量が少なく,推論時間を短縮し,リアルタイム監視やエッジベースアプリケーションに適した手法である。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: Automated culprit identification in surveillance systems is a critical task that requires high accuracy along with computational efficiency for real-time deployment. In this paper, an optimized deep learning framework is proposed using a lightweight MobileNet architecture integrated with channel and spatial attention mechanisms. The proposed model enhances feature representation by selectively focusing on the most discriminative regions while suppressing irrelevant background information, thereby improving identification performance. The framework incorporates efficient preprocessing, attention based feature refinement, and a robust classification strategy optimized using the Adam Optimizer. Experiments were conducted on benchmark face recognition datasets, including Labelled Faces in the Wild (LFW), CASIA-WebFace, and a subset of VGGFace2, under realistic conditions with variations in illumination, pose, and occlusion. The results demonstrate that the proposed model achieves a high classification accuracy of 97.8%, outperforming conventional models such as baseline CNN, ResNet, and standard MobileNet. The confusion matrix analysis indicates strong class-wise discrimination with minimal misclassification, while ROC-AUC evaluation confirms robust performance across all classes. Additionally, the proposed approach maintains low computational complexity and reduced inference time, making it suitable for real-time surveillance and edge-based applications.
Abstract（参考訳）: 監視システムにおける自動犯人識別は、リアルタイムデプロイメントの計算効率とともに高い精度を必要とする重要なタスクである。本稿では,チャネルと空間的注意機構を統合した軽量なMobileNetアーキテクチャを用いて,最適化されたディープラーニングフレームワークを提案する。提案モデルは,無関係な背景情報を抑えつつ,最も識別性の高い領域に選択的に焦点を絞ることで特徴表現を強化し,識別性能を向上させる。このフレームワークには、効率的な事前処理、注意に基づく特徴改善、Adam Optimizerを使って最適化された堅牢な分類戦略が含まれている。 Labelled Faces in the Wild (LFW)、CASIA-WebFace、VGGFace2のサブセットなど、照明、ポーズ、閉塞の異なる現実的な条件下で、ベンチマーク顔認識データセット上で実験を行った。その結果,提案モデルは97.8%の精度で,ベースラインCNN,ResNet,標準MobileNetなどの従来のモデルよりも優れていることがわかった。 ROC-AUC 評価は全てのクラスで頑健な性能が確認されているのに対し,混乱行列解析は誤分類を最小限に抑えた強いクラスワイド判別を示す。さらに,提案手法は計算量が少なく,推論時間を短縮し,リアルタイム監視やエッジベースアプリケーションに適している。

関連論文リスト

An Optimized Decision Tree-Based Framework for Explainable IoT Anomaly Detection [1.2520011735093362]
モノのインターネット(IoT)デバイスの増加は、サイバー脅威の攻撃面を著しく増加させています。本稿では、最適化された決定木分類器に基づく説明可能なAI(XAI)フレームワークを提案する。提案システムは,99.91%の精度,99.51%のF1スコア,0.9960のコーエンカッパ,98.93%のクロスバリデーション平均精度で高い安定性が確認された。
論文参考訳（メタデータ） (2026-01-18T08:48:53Z)
Knowledge Regularized Negative Feature Tuning of Vision-Language Models for Out-of-Distribution Detection [54.433899174017185]
信頼性の高い機械学習モデルを構築するには、アウト・オブ・ディストリビューション(OOD)検出が不可欠である。我々はKR-NFT(Knowledge Regularized Negative Feature Tuning)と呼ばれる新しい手法を提案する。 NFTは、事前訓練されたテキスト特徴に分布認識変換を適用し、正および負の特徴を異なる空間に効果的に分離する。 ImageNetデータセットから数発のサンプルをトレーニングすると、KR-NFTはID分類精度とOOD検出を改善するだけでなく、FPR95を5.44%削減する。
論文参考訳（メタデータ） (2025-07-26T07:44:04Z)
A Hybrid Framework for Statistical Feature Selection and Image-Based Noise-Defect Detection [55.2480439325792]
本稿では,統計的特徴選択と分類技術を統合し,欠陥検出精度を向上させるハイブリッドフレームワークを提案する。工業画像から抽出した55個の特徴を統計的手法を用いて解析した。これらの手法をフレキシブルな機械学習アプリケーションに統合することにより、検出精度を改善し、偽陽性や誤分類を減らす。
論文参考訳（メタデータ） (2024-12-11T22:12:21Z)
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)
Self-DenseMobileNet: A Robust Framework for Lung Nodule Classification using Self-ONN and Stacking-based Meta-Classifier [1.2300841481611335]
Self-DenseMobileNetは胸部X線写真(CXR)における結節と非結節の分類を強化するように設計されている我々のフレームワークは、入力品質を最適化するために高度な画像標準化と拡張技術を統合している。外部データセットでテストすると、このフレームワークは89.40%の精度で強力な一般化性を維持した。
論文参考訳（メタデータ） (2024-10-16T14:04:06Z)
Lightweight Face Recognition: An Improved MobileFaceNet Model [0.0]
本稿では,MobileFaceNetとその修正版であるMMobileFaceNetについて述べる。計算資源が限られているデバイス上での効率的なFRモデルの必要性は、メモリフットプリントを削減し、精度を犠牲にすることなく計算要求を減らしたモデルの開発につながった。
論文参考訳（メタデータ） (2023-11-26T15:01:00Z)
Dual-Activated Lightweight Attention ResNet50 for Automatic Histopathology Breast Cancer Image Classification [0.0]
本研究では,乳がんの新たな分類法であるDual-Activated Lightweight Attention ResNet50モデルを提案する。トレーニング済みのResNet50モデルと軽量なアテンション機構を統合し、ResNet50の第4層にアテンションモジュールを埋め込む。 DALAResNet50法は,40X,100X,200X,400Xの乳がん組織像を用いて,それぞれ98.5%,98.7%,97.9%,94.3%の検診を行った。
論文参考訳（メタデータ） (2023-08-25T03:08:41Z)
SCAI: A Spectral data Classification framework with Adaptive Inference for the IoT platform [0.0]
適応推論を用いたスペクトルデータ分類フレームワークを提案する。具体的には、異なるデバイス間のコラボレーションをよりよく活用しながら、異なるサンプルに対して異なる計算を割り当てる。我々の知る限り、この論文はIoTプラットフォーム下でのスペクトル検出のための適応推論による最適化を行うための最初の試みである。
論文参考訳（メタデータ） (2022-06-24T09:22:52Z)
Adversarial Feature Augmentation and Normalization for Visual Recognition [109.6834687220478]
最近のコンピュータビジョンの進歩は、分類モデルの一般化能力を改善するために、逆データ拡張を利用する。本稿では,中間的特徴埋め込みにおける敵対的拡張を提唱する効率的かつ効率的な代替手法を提案する。代表的なバックボーンネットワークを用いて,多様な視覚認識タスクにまたがる提案手法を検証する。
論文参考訳（メタデータ） (2021-03-22T20:36:34Z)
Bayesian Optimization with Machine Learning Algorithms Towards Anomaly Detection [66.05992706105224]
本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。 ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
論文参考訳（メタデータ） (2020-08-05T19:29:35Z)

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。