tailieunhanh - Kết hợp mô hình YOLOv4-tiny và LSTM để nâng cao độ chính xác của hệ thống cảnh báo người có hành vi hút thuốc lá nơi công cộng

Bài viết Kết hợp mô hình YOLOv4-tiny và LSTM để nâng cao độ chính xác của hệ thống cảnh báo người có hành vi hút thuốc lá nơi công cộng trình bày các phương pháp nhận biết hành vi hút thuốc lá; Mô tả cấu trúc mạng kết hợp YOLOv4-tiny + LSTM; Mô tả sơ đồ tổng quan hệ thống cảnh báo hành vi hút thuốc. | Transport and Communications Science Journal Vol 73 Issue 8 10 2022 785-797 Transport and Communications Science Journal COMBINING YOLOV4-TINY AND LSTM MODELS TO ENHANCE ACCURACY OF THE WARNING SYSTEM OF SMOKING BEHAVIOR IN PUBLIC PLACE Vo Thien Linh Division of electrical and electronics engineering Campus in Ho Chi Minh City University of Transport and Communications No. 450 451 Le Van Viet Street Tang Nhon Phu A Ward Thu Duc City Ho Chi Minh City Vietnam ARTICLE INFO TYPE Research Article Received 24 08 2022 Revised 27 09 2022 Accepted 14 10 2022 Published online 15 10 2022 https Corresponding author Email linhvt_ph@ Tel 84 907001184 Abstract. Tobacco smoke contains many chemicals which cause typical dangerous diseases such as lung cancer cardiovascular disease infertility and many other incurable diseases. Monitoring and warning smokers in public places are one of the important jobs in propaganda and prevention of the harmful effects of tobacco. A smoking monitoring system and smart warnings have been researched and implemented by several groups so far. The objective of this study is to improve the previous system using Yolov4 and LSTM combination to give highly accurate prediction results. Instead of just using Yolov4 as a method of detecting people holding a cigarette this proposed method uses Yolov4 to extract features from the frames of the videos. This sequence of consecutive feature frames is fed into the LSTM network for prediction. To evaluate the method s performance the presented study performed on the group s own collected data set 5000 photos and 120 videos containing smoking behaviour. The results show that the proposed approach is successful in detecting human smoking actions on this dataset with higher accuracy in comparison with that in conventional method. Keywords Smoking behavior convolutional neural network Deep learning YOLOv4-tiny Long Short Term Memory. 2022 University of Transport and .

• Kỹ thuật lập trình
• Hành vi hút thuốc
• Mạng nơ ron tích chập
• Hệ thống giám sát người hút thuốc lá
• Mô hình kết hợp YOLOv4 tiny
• Mô hình LSTM
• Hút thuốc lá
• Ảnh hưởng của thuốc lá tới chi tiêu
• Ảnh hưởng của thuốc lá sức khỏe
• Hút thuốc lá tại Cần Thơ
• Hành vi hút thuốc lá
• Thực trạng hút thuốc lá
• Tính nhạy cảm
• Hành vi hút thuốc ở học sinh
• Giảm thiểu hành vi hút thuốc
• Sức khỏe học sinh THPT
• Hút thuốc lá ở học sinh
• Thuốc lá điện tử
• Phòng chống hút thuốc
• Luận văn Thạc sĩ
• Luận văn Thạc sĩ Kinh tế
• Giảm số lượng người hút thuốc lá
• Kiểm soát thuốc lá
• Thực trạng hút thuốc lá của thanh thiếu niên
• Thanh thiếu niên Việt Nam
• Chính sách công
• Nhận thức cảu thanh niên
• Ngăn ngừa hút thuốc lá
• Chăm sóc sức khỏe
• Tạp chí nghiên cứu Y học
• Bài viết về y học
• Lý thuyết hành vi được lập kế hoạch
• Kiểm soát hành vi hút thuốc lá điện tử
• Kinh tế phát triển
• Tác động giáo dục
• Người dân tộc K’ho
• hành vi uống rượu
• Bài giảng Điều trị cai thuốc lá bằng thuốc
• Điều trị cai thuốc lá
• Cai thuốc lá bằng thuốc
• Cơ chế gây nghiện thuốc lá
• Tạp chí y học
• Nghiên cứu y học
• Nhân viên y tế
• Bệnh không lây
• Lạm dụng rượu
• rối loạn hành vi
• nguyên nhân gây rối loạn hành vi
• điều trị rối loạn hành vi
• y học cơ sở
• kiến thức y học
• sức khỏe trẻ em
• Luật phòng chống tác hại của thuốc lá
• Tác hại của thuốc lá
• Hút thuốc lá thụ động
• Sức khỏe cộng đồng
• Y tế cộng đồng
• Tài liệu y tế cộng đồng
• Tìm hiểu y tế cộng đồng
• Thực hành cộng đồng
• Chương trình thực hành cộng đồng
• Tham khảo thực hành cộng đồng
• Stress do học tập
• Uống rượu bia
• Y tế công cộng