目标检测模型中的轨迹感知自适应推理
计算机视觉与模式识别
2026-05-19 v1 人工智能
摘要
autonomous maritime navigation 中传感器的日益集成导致大规模多模态数据集，增加了在实时感知中实现高效性的挑战。在此类系统中，目标检测与相邻舰船的轨迹感知紧密耦合，尤其是在海上导航等动态环境中。然而，目标检测模型在推理过程中的效率常被忽视。针对此问题，我们在现有目标检测框架基础上引入 GPS 轨迹数据以实现输入自适应计算。具体而言，我们在基于 YOLOv8 的检测器中引入早期退出机制，融合运动线索，如舰船之间的距离。对于舰船间距离较短、以高速收敛的帧，使用完整模型处理；否则仅激活网络架构的子集。通过利用目标间距离和距离变化率，评估每帧或每秒内帧组的难度程度。实验结果表明，该策略在保持满意检测性能的同时，显著降低推理时间和计算成本，从而实现了相对于完整模型推理的准确性与效率之间的灵活权衡。
引用
@article{arxiv.2605.16397,
title = {Trajectory-Aware Adaptive Inference in Object Detection Models},
author = {Grigorios Papanikolaou and Ioannis Kontopoulos and Giannis Spiliopoulos and Dimitris Zissis and Konstantinos Tserpes},
journal= {arXiv preprint arXiv:2605.16397},
year = {2026}
}
备注
Accepted to the MuseKDE workshop of the IEEE MDM 2026 conference