人造环境中的动物检测
偏微分方程分析
2019-10-28 v1
摘要
对误入人类居住区的动物进行自动检测具有重要的安全与道路安全应用价值。本文尝试利用来自计算机视觉多个领域的深度学习技术解决该问题，包括目标检测、跟踪、分割与边缘检测。在将基准数据集上训练的模型适配到实际部署时，获得了若干关于迁移学习的有趣见解。给出了经验证据以表明检测器无法从自然栖息地动物训练图像泛化到人造环境部署场景。同时提出了一种利用半自动合成数据生成进行特定领域训练的解决方案。实验所用代码与数据已公开以促进该领域的进一步工作。
引用
@article{arxiv.1910.11442,
title = {The thresholding scheme for mean curvature flow and de Giorgi's ideas for minimizing movements},
author = {Tim Laux and Felix Otto},
journal= {arXiv preprint arXiv:1910.11442},
year = {2019}
}
备注
27 pages