面向边缘设备的实时人体检测模型
计算机视觉与模式识别
2021-11-23 v1 机器学习
摘要
构建适用于资源受限设备的小型快速监控模型是一项具有挑战性却十分重要的任务。卷积神经网络(CNNs)已取代传统的特征提取与机器学习模型用于检测与分类任务。已有多种复杂的大型 CNN 模型被提出，在精度上取得显著提升。近期引入了轻量级 CNN 模型以用于实时任务。本文提出一种基于 CNN 的轻量级模型，可部署于树莓派等受限边缘设备。我们所提模型在性能耗时、模型尺寸上更优，且精度与现有方法相当。模型性能在多个基准数据集上进行了评估，并从模型尺寸、平均处理时间与 F-score 方面与现有模型进行比较。同时给出了面向未来研究的其他改进方向。
引用
@article{arxiv.2111.10653,
title = {Real-time Human Detection Model for Edge Devices},
author = {Ali Farouk Khalifa and Hesham N. Elmahdy and Eman Badr},
journal= {arXiv preprint arXiv:2111.10653},
year = {2021}
}
备注
19 pages 6 figures 9 Tables