YOLOv7 用于蚊虫滋生地检测与跟踪
计算机视觉与模式识别
2023-10-17 v1
摘要
随着气候变化的迫近威胁，登革热、寨卡与基孔肯雅等被忽视的热带疾病有可能成为全球更严重的关切。遥感技术可通过自动化检测与绘制蚊虫滋生点地图，助力控制埃及伊蚊（此类疾病的传播媒介）的扩散，使地方实体得以妥善干预。本工作中，我们利用最先进且计算高效的检测方案 YOLOv7，来定位并跟踪无人机所摄视频中的蚊虫焦点。我们在作为 ICIP 2023 大挑战“蚊虫滋生地自动检测”一部分公开发布的数据集上实验。我们展示 YOLOv7 可直接用于检测水池、轮胎与水箱等较大焦点类别，且廉价直接的逐帧检测聚合可将时间一致性纳入跟踪过程。
引用
@article{arxiv.2310.10423,
title = {YOLOv7 for Mosquito Breeding Grounds Detection and Tracking},
author = {Camila Laranjeira and Daniel Andrade and Jefersson A. dos Santos},
journal= {arXiv preprint arXiv:2310.10423},
year = {2023}
}
备注
Winning paper of ICIP 2023 Grand Challenge - Automatic Detection of Mosquito Breeding Grounds - https://www02.smt.ufrj.br/~tvdigital/mosquito/challenge/