基于嵌入式 CNN 的非车道道路交通中的车辆分类与计数
计算机视觉与模式识别
2019-01-21 v1
摘要
在道路交通中对车辆进行分类和计数在交通工程领域有众多应用。然而，在发展中国家的道路上行驶的车辆种类繁多（两轮车、三轮车、小汽车、公交车、卡车等），且没有任何车道规范，这使得车辆分类和计数成为一个难以自动化的问题。在本文中，我们使用基于卷积神经网络（CNN）的 SOTA 目标检测模型，并使用来自德里道路的数据对它们进行多车辆类别的训练。在使用来自四个不同位置的 5562 个视频帧进行 80-20 训练-测试划分的情况下，我们获得了高达 75% 的 MAP。由于在发展中地区，用于从道路到云服务器连续视频传输的稳健网络连接稀缺，我们还评估了基于嵌入式 CNN 模型推理实现的延迟、能耗和硬件成本。
引用
@article{arxiv.1901.06358,
title = {Embedded CNN based vehicle classification and counting in non-laned road traffic},
author = {Mayank Singh Chauhan and Arshdeep Singh and Mansi Khemka and Arneish Prateek and Rijurekha Sen},
journal= {arXiv preprint arXiv:1901.06358},
year = {2019}
}
备注
*These authors contributed equally