Jetson TX2 上 aerial 影像中鲁棒实时行人检测
计算机视觉与模式识别
2019-05-17 v1
摘要
检测由无人机捕获的 aerial 影像中的行人在交叉口监测、巡逻与监控等诸多场景中具有应用价值。然而，由于相机视角与物体外观持续变化，以及需要轻量算法在板载嵌入式系统上运行，该问题颇具挑战。为此，本文提出一种基于 YOLO 目标检测网络 [6] 的视频行人检测框架，并在 Jetson TX2 嵌入式板上以超过 5 FPS 的高吞吐量运行。该框架利用深度学习实现鲁棒运行，并使用预训练模型而无需额外训练，从而可灵活应用于不同设置且只需极少调参。该方法应用于 Embedded Real-Time Inference (ERTI) Challenge 中由无人机监测行人的示例视频时，达到了约 81 mAP。
引用
@article{arxiv.1905.06653,
title = {Robust Real-time Pedestrian Detection in Aerial Imagery on Jetson TX2},
author = {Mohamed Afifi and Yara Ali and Karim Amer and Mahmoud Shaker and Mohamed ElHelw},
journal= {arXiv preprint arXiv:1905.06653},
year = {2019}
}