基于边缘端深度学习的超市危险检测
计算机视觉与模式识别
2020-03-26 v1 机器学习
图像与视频处理
机器学习
摘要
超市需要为购物者与员工确保清洁安全的环境。滑倒、绊倒和跌落可导致身体与财务成本的伤害。及时检测超市地面上溢出的液体或掉落物品等危险状况可降低严重伤害的几率。本文提出 EdgeLite，一种新颖轻量深度学习模型，便于在资源受限设备上部署与推理。我们描述了在两款边缘设备上使用 EdgeLite 检测超市地面危险。在我们构建的危险检测数据集上，EdgeLite 部署于边缘设备时在准确率上优于六种最先进（SOTA）目标检测模型，且内存占用与推理时间相当。
引用
@article{arxiv.2003.04116,
title = {Hazard Detection in Supermarkets using Deep Learning on the Edge},
author = {M. G. Sarwar Murshed and Edward Verenich and James J. Carroll and Nazar Khan and Faraz Hussain},
journal= {arXiv preprint arXiv:2003.04116},
year = {2020}
}
备注
6 pages, conference