面向骆驼-车辆碰撞缓解系统的计算机视觉方法
计算机视觉与模式识别
2023-01-24 v1 人工智能
摘要
随着人口增长和更多土地被用于城市化，生态系统受到我们的道路和汽车的干扰。基础设施的扩张切断了野生动物领地，导致许多野生动物-车辆碰撞（WVC）事件。这些 WVC 事件是一个全球性问题，具有全球社会经济影响，造成数十亿美元的财产损坏，有时还会导致车辆乘员死亡。在沙特阿拉伯，这一问题类似，由于骆驼体型庞大，骆驼-车辆碰撞（CVC）事件尤其致命，致死率达 25% [4]。本工作的重点是测试不同的目标检测模型在道路上检测骆驼任务上的表现。实验中使用的深度学习（DL）目标检测模型为：CenterNet、EfficientDet、Faster R-CNN 和 SSD。实验结果表明，CenterNet 在准确率方面表现最佳，且训练最高效。未来计划在此基础上开发一套系统，以使乡村道路更安全。
引用
@article{arxiv.2301.09339,
title = {Computer Vision for a Camel-Vehicle Collision Mitigation System},
author = {Khalid Alnujaidi and Ghadah Alhabib},
journal= {arXiv preprint arXiv:2301.09339},
year = {2023}
}