Novel Deep Learning Pipeline for Automatic Weapon Detection

要約

武器と銃による暴力は、今日の差し迫った問題となっています。
これらの犯罪や活動の程度は、伝染病と呼ばれるまでに高まっています。
この蔓延する武器の誤用には、リアルタイムで武器を検出する自動システムが必要です。
リアルタイムの監視ビデオは、ほぼすべての公共のフォーラムや場所で撮影および記録されます。
これらのビデオには、抽出して意味のある情報に処理できる生データが豊富に含まれています。
この論文では、異なるアーキテクチャを持つ畳み込みニューラル ネットワークのアンサンブルで構成される新しいパイプラインを提案します。
各ニューラル ネットワークは、トレーニング サンプルに重複がほとんどない、またはまったくない独自のミニバッチを使用してトレーニングされます。
このペーパーでは、提案されたアーキテクチャと最先端 (SoA) モデルの比較に関連する複数のデータセットを使用した、いくつかの有望な結果を紹介します。
提案されたパイプラインは、SoA システムと比較して、精度、特異性、再現率が平均 5% 向上しました。

要約(オリジナル)

Weapon and gun violence have recently become a pressing issue today. The degree of these crimes and activities has risen to the point of being termed as an epidemic. This prevalent misuse of weapons calls for an automatic system that detects weapons in real-time. Real-time surveillance video is captured and recorded in almost all public forums and places. These videos contain abundant raw data which can be extracted and processed into meaningful information. This paper proposes a novel pipeline consisting of an ensemble of convolutional neural networks with distinct architectures. Each neural network is trained with a unique mini-batch with little to no overlap in the training samples. This paper will present several promising results using multiple datasets associated with comparing the proposed architecture and state-of-the-art (SoA) models. The proposed pipeline produced an average increase of 5% in accuracy, specificity, and recall compared to the SoA systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google