Fall Detection for Industrial Setups Using YOLOv8 Variants

要約

この論文では、データセットの分散を増やし、検出精度を向上させるために提案した拡張パイプラインによって強化された、YOLOv8 バリアントを利用した産業用転倒検出システムの開発について説明します。
評価されたモデルの中で、2,590 万のパラメーターと 79.1 GFLOP で構成される YOLOv8m モデルは、計算効率と検出パフォーマンスの間の良好なバランスを実証し、両方の交差オーバーユニオン (IoU) 50% で平均平均精度 (mAP) 0.971 を達成しました。
「転倒検出」および「動いている人間」カテゴリ。
YOLOv8l および YOLOv8x モデルは、特に転倒検出において高い精度と再現率を示しましたが、計算量とモデル サイズが高いため、リソースに制約のある環境にはあまり適していません。

要約(オリジナル)

This paper presents the development of an industrial fall detection system utilizing YOLOv8 variants, enhanced by our proposed augmentation pipeline to increase dataset variance and improve detection accuracy. Among the models evaluated, the YOLOv8m model, consisting of 25.9 million parameters and 79.1 GFLOPs, demonstrated a respectable balance between computational efficiency and detection performance, achieving a mean Average Precision (mAP) of 0.971 at 50% Intersection over Union (IoU) across both ‘Fall Detected’ and ‘Human in Motion’ categories. Although the YOLOv8l and YOLOv8x models presented higher precision and recall, particularly in fall detection, their higher computational demands and model size make them less suitable for resource-constrained environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google