.png){kind=icon}
返回
SmartTBD: Smart Tracking for Resource-constrained Object Detection
.png){kind=icon}
OA
AI
DOI：10.1145/3703912.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着移动设备上视频分析需求的增长，目标跟踪在跟踪-检测（TBD）范式中已被证明是目标检测的合适辅助手段，用于减少计算开销和功耗需求。然而，使用固定超参数执行TBD会导致计算效率低下并忽略感知动态，因为固定设置在场景多样性下往往表现次优。本文提出SmartTBD，一种基于准确率-延迟指标多目标优化的TBD调度策略。SmartTBD是一种新颖的基于深度强化学习的调度架构，用于计算视频序列中合适的TBD配置，以提升速度和检测准确率。这涉及一个具有挑战性的优化问题，因为视频特征与TBD性能之间存在内在联系。因此，我们利用视频特征、帧信息以及过去的TBD结果来驱动该优化问题。我们的方法超越了固定TBD配置的基线模型和近期研究，实现了与纯检测相当准确率的同时显著降低延迟。此外，它还能实现跟踪和检测在多样化场景中的性能分析。该方法在资源受限设备上的常见视频分析数据集上被证明具有泛化性和高度实用性。
Keyword:
Mobile vision
tracking-by-detection
scheduling
期刊
IF:
2.6
论文数:
238
被引数:
2.3K
机构
引用论文
Tinier-YOLO: A Real-Time Object Detection Method for Constrained EnvironmentsTinier-yolo: 一种约束环境下的实时目标检测方法.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏Psychometrics of the Child PTSD Symptom Scale for DSM-5 for Trauma-Exposed Children and AdolescentsOAAI
OAAI分享收藏分享收藏
查看更多内容