A DEEP LEARNING MODEL FOR FALLING DETECTION

TNU Journal of Science and Technology

View Publication Info
 
 
Field Value
 
Title A DEEP LEARNING MODEL FOR FALLING DETECTION
MỘT MÔ HÌNH HỌC SÂU CHO BÀI TOÁN PHÁT HIỆN NGƯỜI BỊ NGÃ
 
Creator Trang, Phùng Thị Thu
Thu, Ma Thị Hồng
 
Subject
Deep learning; convolutional neural networks; falling detection; neural networks; (2+1)D ResNet

Học sâu; mạng CNN; phát hiện người bị té ngã; mạng nơron; (2+1)D ResNet
 
Description Falling is one of the most serious problems for humans, accounting for up to 25% of death rates, which is even higher for the elderly. Falling detection is one of the most important problems in computer vision. In recent years, computer vision has made impressive progress when deep learning demonstrates the ability to automatically learn. There have been many deep learning models based on 3D convolutional neural network (CNN) that have been proposed to solve this problem. In this paper, we propose a model which is called (2+1)D ResNet-18 to solve the falling detection task. The experimental results show that (2+1)D ResNet-18 gives 0.87% better accuracy on the FDD dataset and 1.13% on the URFD dataset than the recently proposed methods.
Té ngã là một trong những vấn đề nghiêm trọng đối với con người, chiếm tỷ lệ tử vong lên đến 25%, tỷ lệ này càng cao hơn đối với những người cao tuổi. Nhận dạng người bị ngã là một trong những bài toán quan trọng trong lĩnh vực thị giác máy tính. Những năm gần đây, thị giác máy tính đã đạt được tiến bộ ấn tượng khi mà học sâu thể hiện khả năng tự động học. Đã có nhiều mô hình học sâu dựa trên mạng nơ ron tích chập 3D (CNN) đã được đề xuất để giải quyết vấn đề này. Trong bài báo này, chúng tôi đề xuất một mô hình (2+1)D ResNet-18 giải quyết bài toán nhận dạng người bị ngã. Kết quả thử nghiệm cho thấy, (2+1)D ResNet-18 cho độ chính xác tốt hơn 0,87% trên bộ dữ liệu FDD và 1,13% trên bộ dữ liệu URFD so với các phương pháp được đề xuất gần đây.
 
Publisher Thai Nguyen Unniversity of Technology
 
Contributor

 
Date 2020-11-27
 
Type info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion


 
Format application/pdf
 
Identifier http://jst.tnu.edu.vn/jst/article/view/3461
 
Source TNU Journal of Science and Technology; T. 225, S. 14 (2020): KHOA HỌC TỰ NHIÊN - KỸ THUẬT - CÔNG NGHỆ (Số tiếng Việt); 48-53
TNU Journal of Science and Technology; T. 225, S. 14 (2020): KHOA HỌC TỰ NHIÊN - KỸ THUẬT - CÔNG NGHỆ (Số tiếng Việt); 48-53
2615-9562
2734-9098
 
Language vie
 
Relation http://jst.tnu.edu.vn/jst/article/view/3461/2517
 
Rights ##submission.copyrightStatement##
 

Contact Us

The PKP Index is an initiative of the Public Knowledge Project.

For PKP Publishing Services please use the PKP|PS contact form.

For support with PKP software we encourage users to consult our wiki for documentation and search our support forums.

For any other correspondence feel free to contact us using the PKP contact form.

Find Us

Twitter

Copyright © 2015-2018 Simon Fraser University Library