基于具有时空一致性的深度网络自动检测埃及伊蚊滋生地
计算机视觉与模式识别
2021-11-30 v4 图像与视频处理
摘要
每年，埃及伊蚊都会使数百万人感染登革热、寨卡、基孔肯雅热和城市黄热病等疾疫。对抗这些疾病的主要方式是搜寻并清除潜在蚊虫滋生地以避免蚊子繁殖。在本工作中，我们引入了一个使用无人机获取的 aerial 视频综合数据集，其中包含可能的蚊虫滋生点。该视频数据集的所有帧均经人工标注边界框以识别所有感兴趣对象。该数据集被用于开发基于深度卷积网络的此类对象自动检测系统。我们提出通过在目标检测流程中融入时空一致性模块来利用视频中的时间信息，该模块可对所检测对象进行配准，从而将大多数假阳性和假阴性降至最低。此外，我们通过实验表明，使用视频比仅用各帧拼成马赛克更有益。以 ResNet-50-FPN 为骨干网络，我们在‘轮胎’和‘水箱’的对象级检测上分别取得了 0.65 和 0.77 的 F 分数，展示了该系统准确定位潜在蚊虫滋生对象的能力。
引用
@article{arxiv.2007.14863,
title = {Automatic Detection of Aedes aegypti Breeding Grounds Based on Deep Networks with Spatio-Temporal Consistency},
author = {Wesley L. Passos and Gabriel M. Araujo and Amaro A. de Lima and Sergio L. Netto and Eduardo A. B. da Silva},
journal= {arXiv preprint arXiv:2007.14863},
year = {2021}
}