面向潜水员检测的深层目标检测器分析
计算机视觉与模式识别
2020-12-11 v1 机器人学
摘要
以筛选并使用潜水员检测模型来支持人机协作能力（如潜水员跟随）为最终目标，我们深入分析了大量用于潜水员检测的深层神经网络。我们首先制作了一个约105,000张标注潜水员图像的数据集（源自视频）——迄今创建的最大且最具多样性的潜水员检测数据集之一。利用该数据集，我们训练了多种最先进的目标检测深层神经网络，包括带 Mobilenet 的 SSD、Faster R-CNN 和 YOLO。除这些单帧检测器外，我们还训练了专为视频流中物体检测设计的网络，利用时间信息及单帧图像信息。我们在典型准确率与效率指标以及检测的时间稳定性上评估了这些网络。最后，我们分析了这些检测器的失败情况，指出最常见的失败场景。基于我们的结果，我们推荐在机器人实时应用中使用 SSD 或 Tiny-YOLOv4，并建议进一步研究视频目标检测方法。
引用
@article{arxiv.2012.05701,
title = {An Analysis of Deep Object Detectors For Diver Detection},
author = {Karin de Langis and Michael Fulton and Junaed Sattar},
journal= {arXiv preprint arXiv:2012.05701},
year = {2020}
}
备注
14 pages, submitted for ICRA 21