DEEVA：一种基于深度学习与物联网的计算机视觉系统以解决能源行业生产现场的安全与安保问题
计算机视觉与模式识别
2020-03-04 v1
摘要
在应对不同生产/建筑现场与安全/安保相关需求时，准确检测工人、车辆、设备的存在十分重要，并构成了基于计算机视觉的监控系统（CVSS）的组成部分。传统 CVSS 系统侧重于使用不同的计算机视觉与模式识别算法，过度依赖人工特征提取与小规模数据集，因低准确率、需专家知识及高计算成本而受限。本文的主要目标是为现场决策者提供一种实用且全面的基于深度学习与物联网的解决方案，以应对各类计算机视觉相关问题，如场景分类、场景中目标检测、语义分割、场景描述等。我们的总体目标是自动地解决“该现场正在发生什么、发生在何处”这一核心问题，最小化专职监控人力需求。我们开发了 Deep ExxonMobil Eye for Video Analysis（DEEVA）软件包，以分层方式处理场景分类、目标检测、语义分割与场景描述。结果表明，采用 RetinaNet 目标检测器的迁移学习能够以较高准确率（ above 90%）检测工人、不同类型车辆/施工设备、安全相关物体的存在。借助深度学习自动提取特征与物联网技术自动采集、传输和处理大量实时图像，该框架是面向安全/安保监控、生产力评估与未来决策中无数开放问题的智能监控系统发展的重要一步。
引用
@article{arxiv.2003.01196,
title = {DEEVA: A Deep Learning and IoT Based Computer Vision System to Address Safety and Security of Production Sites in Energy Industry},
author = {Nimish M. Awalgaonkar and Haining Zheng and Christopher S. Gurciullo},
journal= {arXiv preprint arXiv:2003.01196},
year = {2020}
}
备注
AAAI-20 Workshop on Artificial Intelligence of Things (AIoT) workshop in conjunction with the 34th AAAI Conference on Artificial Intelligence