인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
This paper introduces a hybrid approach that combines convolutional and recurrent neural networks (CNN-RNN) with temporal attention are combined for real-time object recognition in daycare settings. The proposed system addresses key challenges in dynamic and privacy-sensitive childcare environments. Data were gathered from various daycare centers and used to train and test the model against state-of-the-art models such as Faster R-CNN, YOLOv5s and YOLOv8n. The experimental results indicate that the overall accuracy of the hybrid CNN-RNN model was the highest, 90.6, and was 0.7 and 3.9 higher than the YOLOv8n and Faster R-CNN, respectively, which is statistically significant (p = 0.013). Temporal attention also enhanced the recognition of subtle changes in behavior particularly when it comes to the discrimination of behaviors such as resting, playing and distress state. The architecture suggested was implemented in the edge devices through pruning and quantization optimization. These results highlight the possibility of applying the model to daycare centers, as well as contributing to the active monitoring of the safety of children and more effective systems of this staff in daycare centers.
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
