基于 Google Coral 的边缘计算行人重识别：结合人体解析与解析方法
计算机视觉与模式识别
2022-09-23 v1
摘要
行人重识别（re-ID）因其对科学和社会安全的重要性，正成为计算机视觉最重要的应用领域之一。由于摄像系统规模庞大，开发边缘计算 re-ID 应用是有益的，其中至少部分分析可由摄像机执行。然而，传统 re-ID 严重依赖计算量大的深度学习（DL）模型，不易应用于边缘计算。本文中，我们调整了一种最近提出的 re-ID 方法，该方法结合 DL 人体解析与解析特征提取和排序方案，使其更适用于边缘计算 re-ID。首先，我们比较了使用 ResNet101、ResNet18、MobileNetV2 和 OSNet 主干的解析器，表明可使用紧凑主干以足够精度执行解析。其次，我们将解析器迁移到 Google Coral Dev Board 的张量处理单元（TPU）并表明其可作为便携式边缘计算 re-ID 站点。我们还在 Coral CPU 上实现了 re-ID 方法的解析部分，以确保其能执行完整的 re-ID 周期。对于定量分析，我们根据解析器主干比较了 GPU 和 Coral TPU 上的推理速度、解析掩码和 re-ID 精度。我们还讨论了边缘计算在 re-ID 中的可能应用场景，同时考虑了主要与便携式设备的内存和存储空间相关的已知限制。
引用
@article{arxiv.2209.11024,
title = {Google Coral-based edge computing person reidentification using human parsing combined with analytical method},
author = {Nikita Gabdullin and Anton Raskovalov},
journal= {arXiv preprint arXiv:2209.11024},
year = {2022}
}
备注
11 pages, 3 figures, 3 tables