ROMA：用于最大化实时精度的运行时目标检测
计算机视觉与模式识别
2024-04-30 v1
摘要
本文分析了动态变化的视频内容与检测延迟对检测器实时检测精度的影响，并基于分析结果提出了一种新的运行时精度变化模型 ROMA。ROMA 旨在无标签信息的情况下，从一组检测器中实时选择最优检测器，以最大化实时目标检测精度。在 NVIDIA Jetson Nano 上利用四个 YOLOv4 检测器，ROMA 在由 MOT17Det 和 MOT20Det 数据集构成的动态变化视频内容与检测延迟场景下，相比单个 YOLOv4 检测器及两种最先进的运行时技术，实时精度提升了 4% 至 37%。
引用
@article{arxiv.2210.16083,
title = {ROMA: Run-Time Object Detection To Maximize Real-Time Accuracy},
author = {JunKyu Lee and Blesson Varghese and Hans Vandierendonck},
journal= {arXiv preprint arXiv:2210.16083},
year = {2024}
}
备注
Accepted at the IEEE/CVF Winter Conference on Applications of Computer Vision (WACV) 2023