压缩JPEG图像中的快速目标检测
计算机视觉与模式识别
2020-06-23 v1 机器学习
机器学习
摘要
静态图像中的目标检测在过去几年中引起了大量关注，并且随着深度学习的出现，已在众多工业应用中取得了令人印象深刻的性能。这些深度学习模型大多依赖RGB图像来定位和识别图像中的物体。然而在某些应用场景中，图像为了节省存储或快速传输而被压缩。因此，为了应用上述深度模型，耗时的图像解压缩步骤是必不可少的。为缓解这一缺点，我们提出了一种用于JPEG图像（最广泛的压缩格式之一）中目标检测的快速深度架构。我们训练了一个神经网络，基于来自JPEG压缩算法的分块DCT（离散余弦变换）系数来检测物体。我们修改了著名的Single Shot multibox Detector（SSD），用专门处理DCT输入的一个卷积层替换其前几层。在PASCAL VOC和包含道路交通监控图像的工业数据集上的实验评估表明，该模型比常规SSD快约，且检测性能有前景。据我们所知，本文是首篇探讨压缩JPEG图像中检测问题的论文。
引用
@article{arxiv.1904.08408,
title = {Fast object detection in compressed JPEG Images},
author = {Benjamin Deguerre and Clément Chatelain and Gilles Gasso},
journal= {arXiv preprint arXiv:1904.08408},
year = {2020}
}