HyperAIHyperAI
vor 8 Tagen

VFP290K: Ein großskaliges Benchmark-Datensatz für die visionbasierte Erkennung von Stürzen

{Simon S. Woo, Donghee Hong, Saebyeol Shin, Minha Kim, Junhyung Kang, Jinbeom Kim, Hanbeen Lee, Jeongho Kim, Jaeju An}
VFP290K: Ein großskaliges Benchmark-Datensatz für die visionbasierte Erkennung von Stürzen
Abstract

Die Erkennung von Stürzen, beispielsweise infolge gesundheitlicher Probleme, Gewalt oder Unfälle, stellt eine entscheidende Herausforderung dar. Daher ist die Erkennung solcher anomaler Ereignisse von höchster Bedeutung für zahlreiche Anwendungen, darunter CCTV-Überwachung, Sicherheitssysteme und Gesundheitswesen. Da viele Erkennungssysteme auf umfassenden Datensätzen basieren, die Sturzbilder unter unterschiedlichen Umweltbedingungen und in vielfältigen Situationen enthalten, ist die Verfügbarkeit solcher Daten von entscheidender Bedeutung. Bisherige Datensätze sind jedoch auf spezifische Umweltbedingungen beschränkt und weisen eine unzureichende Vielfalt auf. Um diese Herausforderungen zu bewältigen und Forschern bei der Entwicklung robusterer Erkennungssysteme zu unterstützen, haben wir einen neuartigen, großskaligen Datensatz für die Erkennung von Stürzen erstellt, der Sturzbilder aus verschiedenen realen Szenarien enthält und mit Unterstützung der südkoreanischen Regierung entwickelt wurde. Unser visionbasierter Datensatz für gestürzte Personen (VFP290K) umfasst 294.713 Frames von gestürzten Personen, extrahiert aus 178 Videos, die 131 Szenen in 49 unterschiedlichen Orten abbilden. Wir demonstrieren empirisch die Wirksamkeit der Merkmale durch umfangreiche Experimente, die die Leistungsänderung verschiedener Objekterkennungsmodelle analysieren. Darüber hinaus bewerten wir unseren VFP290K-Datensatz anhand sorgfältig aufgeteilter Versionen, indem wir die Leistung von Sturzerkennungssystemen messen. Mit unserem VFP290K-Datensatz erreichten wir den ersten Platz in der ersten Runde des Tracks für die Erkennung anomaler Verhaltensweisen beim AI Grand Challenge 2020 in Südkorea, der hier zugänglich ist. Unser Erfolg unterstreicht die Nützlichkeit unseres Datensatzes für die Forschung zur Erkennung von Stürzen und zeigt dessen potenzielle Anwendbarkeit auf weitere Bereiche wie intelligente CCTV- oder Überwachungssysteme. Die Daten und aktuellste Informationen sind auf unserer VFP290K-Website verfügbar.

VFP290K: Ein großskaliges Benchmark-Datensatz für die visionbasierte Erkennung von Stürzen | Neueste Forschungsarbeiten | HyperAI