Core Concepts
視覚的コンテキストは転倒検知分類器の精度に大きな影響を及ぼす。背景オブジェクトの適切な変換により、転倒検知の精度と汎化性能を向上させることができる。
Abstract
本研究では、転倒検知における視覚的コンテキストの役割を評価している。
人物と背景オブジェクトを半自動的に分離する分割パイプラインを提案した。
ResNet-18、EfficientNetV2-S、Swin-Smallなどの既存モデルを使用し、訓練時に分割オブジェクトに対してピクセルベースの変換を適用した。
変換を施した訓練データを用いて評価した結果、背景にガウシアンブラーを適用することで、すべてのモデルの性能と汎化性が向上した。
ベッドや車椅子などの背景オブジェクトが転倒検知に大きな影響を及ぼすことが分かった。しかし、オブジェクト固有の変換を訓練時に適用することで、この課題を効果的に軽減できることを示した。
ソリエンシーマップの分析から、背景のぼかしにより、モデルが被写体に注目するようになることが確認できた。
本研究では、視覚的コンテキストの重要性を明らかにし、より信頼性の高い転倒検知システムの実現に向けた知見を提供している。
Stats
ガウシアンブラーを適用した場合、F1スコアが向上した。
ResNet-18: 0.825 → 0.87
EfficientNetV2-S: 0.853 → 0.898
Swin-Small: 0.887 → 0.916
Quotes
「背景のぼかしにより、モデルが被写体に注目するようになる」
「ベッドや車椅子などの背景オブジェクトが転倒検知に大きな影響を及ぼす」