基于鲁棒高效后处理与管段级边界框关联的视频物体水面及水下垃圾检测
计算机视觉与模式识别
2023-07-20 v1 机器人学
摘要
印度尼西亚作为一个海洋国家，其领土中有相当大一部分被水覆盖。无效的垃圾管理导致印尼水域中存在大量垃圾，引发各种问题。开发自动化垃圾收集机器人可作为解决该问题的方案。该机器人需要一个能够检测运动物体（如视频中物体）的系统。然而，在视频中直接使用朴素物体检测方法存在局限，特别是当图像焦点降低且目标物体被其他物体遮挡时。本文的贡献在于阐述了可应用于自动化垃圾收集机器人中进行视频物体检测的方法。该研究利用 YOLOv5 模型与鲁棒高效后处理（REPP）方法，并在 FloW 与 Roboflow 数据集上结合管段级边界框关联。这些方法的组合通过考虑相邻帧中的检测结果，提升了 YOLOv5 朴素物体检测的性能。结果表明，后处理阶段与管段级边界框关联可改善检测质量，相比单独的 YOLOv5 实现了约 3% 的性能提升。这些方法的使用有潜力检测水面及水下垃圾，并可应用于基于实时图像的垃圾收集机器人。实施该系统有望减轻过去垃圾造成的损害，并改善印尼未来的垃圾管理系统。
引用
@article{arxiv.2307.10039,
title = {Deteksi Sampah di Permukaan dan Dalam Perairan pada Objek Video dengan Metode Robust and Efficient Post-Processing dan Tubelet-Level Bounding Box Linking},
author = {Bryan Tjandra and Made S. N. Negara and Nyoo S. C. Handoko},
journal= {arXiv preprint arXiv:2307.10039},
year = {2023}
}
备注
14 pages, in Indonesian language, 14 figures