Automatic labeling of the Training Dataset for Individual and Group Activities Detection
Notice bibliographique
Résumé
Real-time activity detection is one of the interesting fields of research due to its wide range of applications in human-computer interaction, health monitoring, security, workers' performance monitoring, safety, etc. Computer vision and deep learning is one of the most popular solutions to detect human activities. However, these solutions often suffer from inadequate training datasets in terms of quantity and quality. Additionally, the procedure of data labeling is time-consuming and expensive. This paper proposes an automated method for labeling data for automatic individual and group activity detection. The proposed algorithm takes advantage of combining simple object classes (such as hands, and persons) and spatial relationship rules to label the training dataset for detecting activities like covering coughs with an arm or hand, hugging, and hand-shaking. These activities were used for Covid risky activities monitoring at workplaces. To implement this algorithm, we used You Only Look Once (YOLO) and Mask Reginal Convolutional Neural Network (Mask-RCNN) object detection and we applied the transfer learning from the Common Object in Context (COCO) CNN model. The results showed 96% precision of data labeling for covering coughs with a hand, 93% for covering coughs with an arm, 89% for hugging, and 87% for handshaking activities. This is while, the average precision of activity detection using automatically annotated data, only decreased by 3% for Mask RCNN and 5% for YOLO. Also, the separation of the individual and group activity classes led to more detection precision. In conclusion, the proposed automatic data labeling algorithm preserved the quality of data annotation while outperforming the training-data annotation speed.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».