使用无人机进行车辆检测：Faster R-CNN 与 YOLOv3 的比较
机器人学
2019-01-07 v1 计算机视觉与模式识别
机器学习
摘要
无人机因其高机动性以及在不同高度和位置覆盖区域的能力，正越来越多地用于监视和交通监测。主要挑战之一是利用航拍图像准确检测车辆并实时计数以用于交通监测。近来基于卷积神经网络（CNN）提出了若干深度学习技术用于计算机视觉中的实时分类与识别。然而，它们的性能取决于所使用的场景。在本文中，我们研究了两种最先进的 CNN 算法，即 Faster R-CNN 和 YOLOv3，在航拍图像车辆检测背景下的性能。我们在取自无人机的大型车辆数据集上训练和测试了这两个模型。我们在本文中证明，尽管在精度指标上二者相当，YOLOv3 在灵敏度和处理时间上优于 Faster R-CNN。
引用
@article{arxiv.1812.10968,
title = {Car Detection using Unmanned Aerial Vehicles: Comparison between Faster R-CNN and YOLOv3},
author = {Bilel Benjdira and Taha Khursheed and Anis Koubaa and Adel Ammar and Kais Ouni},
journal= {arXiv preprint arXiv:1812.10968},
year = {2019}
}
备注
This paper is accepted in The 1st Unmanned Vehicle Systems conference in Oman, Feb 2019