评估基于红外的人流计数中监督程度的权衡
计算机视觉与模式识别
2023-11-21 v1 人工智能
机器学习
摘要
目标检测模型常用于许多人流计数（与定位）应用，但其训练需要带有昂贵边界框标注的数据集。鉴于隐私在人流计数中的重要性，这些模型越来越依赖红外图像，使任务更加困难。本文探讨了较弱的监督程度如何影响用于图像分类和点级定位的深度人流计数架构的性能。我们的实验表明，使用 CNN 图像级模型进行人流计数可与 YOLO 检测器和点级模型取得相当的结果，但提供了更高的帧率以及相近数量的模型参数。
引用
@article{arxiv.2311.11974,
title = {Evaluating Supervision Levels Trade-Offs for Infrared-Based People Counting},
author = {David Latortue and Moetez Kdayem and Fidel A Guerrero Peña and Eric Granger and Marco Pedersoli},
journal= {arXiv preprint arXiv:2311.11974},
year = {2023}
}
备注
Accepted in IEEE/CVF Winter Conference on Applications of Computer Vision (WACV) 2024