一种用于礁体调查的实时边缘AI系统
机器学习
2022-08-02 v1
摘要
刺冠海星(COTS)爆发是大堡礁(GBR)珊瑚损失的主要原因，目前正在进行大量的监测与控制项目以将COTS种群管理至生态可持续水平。本文提出了一种基于机器学习的边缘设备实时水下数据收集与整理系统用于COTS监测。特别地，我们利用基于深度学习的物体检测技术，提出了一种资源高效的COTS检测器，其在边缘设备上执行检测推理，以在数据收集阶段辅助海洋专家进行COTS识别。初步结果表明，若干提升计算效率的策略（如批量处理、跳帧、模型输入尺寸）可相结合，使所提检测模型在边缘硬件上以低资源消耗和低信息损失运行。
引用
@article{arxiv.2208.00598,
title = {A Real-time Edge-AI System for Reef Surveys},
author = {Yang Li and Jiajun Liu and Brano Kusy and Ross Marchant and Brendan Do and Torsten Merz and Joey Crosswell and Andy Steven and Lachlan Tychsen-Smith and David Ahmedt-Aristizabal and Jeremy Oorloff and Peyman Moghadam and Russ Babcock and Megha Malpani and Ard Oerlemans},
journal= {arXiv preprint arXiv:2208.00598},
year = {2022}
}