面向人脸检测与识别的实用视频分析系统的端到端评估
图像与视频处理
2023-10-12 v1 计算机视觉与模式识别
摘要
部署在自动驾驶车辆等带宽受限环境中的实用视频分析系统执行人脸检测与识别等计算机视觉任务。在端到端人脸分析系统中，输入首先使用 HEVC 等主流视频编解码器进行压缩，然后依次传递给执行人脸检测、对齐和识别的模块。通常，这些系统的模块使用特定任务的不平衡数据集独立评估，这可能误导性能估计。本文使用驾驶专用数据集对人脸分析系统进行了彻底的端到端评估，从而能够实现有意义的解读。我们展示了独立的任务评估、数据集不平衡以及标注不一致如何导致错误的系统性能估计。我们提出了创建数据集平衡评估子集以及使标注在多个分析任务和场景中保持一致的策略。随后，我们考虑任务间的相互依赖关系，按顺序评估端到端系统性能。我们的实验表明，我们的方法提供了系统性能的一致、准确且可解释估计，这对于实际应用至关重要。
引用
@article{arxiv.2310.06945,
title = {End-to-end Evaluation of Practical Video Analytics Systems for Face Detection and Recognition},
author = {Praneet Singh and Edward J. Delp and Amy R. Reibman},
journal= {arXiv preprint arXiv:2310.06945},
year = {2023}
}
备注
Accepted to Autonomous Vehicles and Machines 2023 Conference, IS&T Electronic Imaging (EI) Symposium