Transfer Learning-based Real-time Handgun Detection

要約

従来の監視システムは人間の注意に依存しており、その有効性は限られています。
この研究では、畳み込みニューラル ネットワークと転移学習を使用して、自動拳銃検出のためのリアルタイム コンピューター ビジョン システムを開発しました。
オンラインの拳銃検出方法の包括的な分析が実施され、誤検知と学習時間の削減に重点が置かれています。
転移学習は効果的なアプローチとして実証されています。
技術的な課題にもかかわらず、提案されたシステムは84.74％の精度率を達成し、関連研究に匹敵する有望なパフォーマンスを実証し、より迅速な学習と正確な自動拳銃検出を可能にし、セキュリティを強化します。
この研究は、人間による監視への依存を軽減することでセキュリティ対策を前進させ、効率的で信頼性の高い拳銃検出のための転移学習ベースのアプローチの可能性を示しています。

要約(オリジナル)

Traditional surveillance systems rely on human attention, limiting their effectiveness. This study employs convolutional neural networks and transfer learning to develop a real-time computer vision system for automatic handgun detection. Comprehensive analysis of online handgun detection methods is conducted, emphasizing reducing false positives and learning time. Transfer learning is demonstrated as an effective approach. Despite technical challenges, the proposed system achieves a precision rate of 84.74%, demonstrating promising performance comparable to related works, enabling faster learning and accurate automatic handgun detection for enhanced security. This research advances security measures by reducing human monitoring dependence, showcasing the potential of transfer learning-based approaches for efficient and reliable handgun detection.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google