基于热力图的全卷积神经网络目标检测与跟踪
计算机视觉与模式识别
2021-01-12 v1 人工智能
机器学习
摘要
本文的主要主题是对人工智能领域的一个简要概述。本文的核心是对一种目标检测与跟踪算法的实际实现。检测和跟踪快速移动物体的能力对于自动驾驶、体育中的球跟踪、机器人技术或物体计数等人工智能的各种应用至关重要。作为本文的一部分，开发了全卷积神经网络“CueNet”。它稳健可靠地检测并跟踪迷宫游戏中的母球。CueNet V1 具有单输入图像，而 CueNet V2 的方法是取三张连续的 240 x 180 像素图像作为输入，并将其转换为母球位置的概率热力图。该网络使用一段包含各种干扰以测试其鲁棒性的独立视频进行了测试。面对我们的测试数据时，CueNet V1 在所有帧中正确预测母球位置的比例为 99.6%，而 CueNet V2 的准确率为 99.8%。
引用
@article{arxiv.2101.03541,
title = {Heatmap-based Object Detection and Tracking with a Fully Convolutional Neural Network},
author = {Fabian Amherd and Elias Rodriguez},
journal= {arXiv preprint arXiv:2101.03541},
year = {2021}
}
备注
30 pages, 29 figures