评估面向零样检测、分类与马路面车辆、乘客及头盔关联的视觉语言模型
计算机视觉与模式识别
2024-08-06 v1 人工智能
摘要
摩托车事故在乘客和骑手不戴头盔时构成重大风险。本研究评估了先进视觉语言基础模型 OWLv2 在检测和分类摩托车 occupants 各种头盔佩戴状态方面的效能。我们扩展了CVPR AI City Challenge 提供的数据集，并采用级联模型方法进行检测和分类任务，集成OWLv2和CNN模型。结果凸显了零样学习在解决训练数据不完整和偏倚问题方面的潜力，展示了此类模型在不同条件下检测摩托车、头盔使用情况及乘客位置方面的应用。我们实现了头盔检测的平均精度为0.5324，并提供了详细的检测与分类性能的精确率-召回曲线。尽管存在低分辨率数据和视野差异的局限性，但我们的研究显示了自动化车辆安全和交通安全执法系统方面的有前景的进展。
引用
@article{arxiv.2408.02244,
title = {Evaluating Vision-Language Models for Zero-Shot Detection, Classification, and Association of Motorcycles, Passengers, and Helmets},
author = {Lucas Choi and Ross Greer},
journal= {arXiv preprint arXiv:2408.02244},
year = {2024}
}