YOLIC：一种面向边缘设备目标定位与分类的高效方法
计算机视觉与模式识别
2024-05-28 v3
摘要
在微型AI（Tiny AI）领域，我们提出“你只看感兴趣单元”（YOLIC, You Only Look at Interested Cells），一种面向边缘设备目标定位与分类的高效方法。YOLIC无缝融合语义分割与目标检测的优势，提供卓越的计算效率与精度。通过采用感兴趣单元（Cells of Interest）进行分类而非单个像素，YOLIC封装相关信息、降低计算负载，并支持粗略的物体形状推断。重要的是，YOLIC省去了边界框回归的需求，因其利用预设的单元配置，该配置提供了潜在物体位置、尺寸与形状的信息。为应对单标签分类局限，对每个单元应用多标签分类方法，以有效识别重叠或紧密相邻物体。本文在多个数据集上开展广泛实验，表明YOLIC取得了与最先进YOLO算法可比的检测性能，且在速度上更优，于Raspberry Pi 4B CPU上超过30fps。本研究所有相关资源（含数据集、单元设计器、图像标注工具与源代码）已在项目网站 https://kai3316.github.io/yolic.github.io 公开。
引用
@article{arxiv.2307.06689,
title = {YOLIC: An Efficient Method for Object Localization and Classification on Edge Devices},
author = {Kai Su and Yoichi Tomioka and Qiangfu Zhao and Yong Liu},
journal= {arXiv preprint arXiv:2307.06689},
year = {2024}
}