文献

J-GLOBAL ID：202202259876357324   整理番号：22A1088285

最適化畳込みニューラルネットワークを用いた視覚ベース転倒検出【JST・京大機械翻訳】

Vision based Fall Detection using Optimized Convolutional Neural Network

著者 (5件)： Rajalaxmi R.R. (Computer Science and Engineering Kongu Engineering College,Erode,India) ,  Gothai E. (Computer Science and Engineering Kongu Engineering College,Erode,India) ,  V Suganth (Computer Science and Engineering Kongu Engineering College,Erode,India) ,  Vignesh S. (Computer Science and Engineering Kongu Engineering College,Erode,India) ,  Varun T. (Computer Science and Engineering Kongu Engineering College,Erode,India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ICCCI  ページ： 01-06  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 人間の活動認識を用いた健康モニタリングと追跡は,特に高齢者における転倒を検出するとき, burning研究領域である。転倒は,損傷,身体損傷,骨折および他の問題を生じる。視覚監視の主要目標は,知的視覚監視による従来のビデオ監視を置き換えることである。異なる特徴抽出アルゴリズムを開発し,転倒をよりよく検出した。オプティカルフローアルゴリズムによるFall検出における畳込みニューラルネットワーク(CNN)を用いて,落下検出を見つける特徴を抽出した。過剰適合のない分類目的のためのCNNアーキテクチャの設計は,挑戦的なタスクである。本研究の目的は,微細調整ドロップアウト率を有するCNNアーキテクチャを自動的に最適化することにより,訓練における過剰適合を避けることである。これはモデルの効率を高めるのを助ける。4つの異なるCNNアーキテクチャを開発し,転倒検出を予測した。UP-FALL検出データセットを用いて4つのモデルの性能を試験した。実験結果は,第2のモデルが他のモデルと比較して高精度を生み出すことを示した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *最適化 ,  *視覚 ,  特徴抽出 ,  転倒 ,  計算機アーキテクチャ ,  オプティカルフロー
準シソーラス用語： 高精度 ,  行動認識 ,  落下検出 ,  ビデオ監視 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 最適化 ,  畳込みニューラルネットワーク ,  視覚 ,  転倒