【摘 要】
：
近年来,随着卷积神经网络的不断突破,目标检测在视频分析任务中具有重要意义和充满了挑战。虽然有很多优秀的视频目标检测器被提出,但它们只适合部署在GPU服务器集群上。为了大幅提高检测器的准确性,这些检测器的骨干网络多达数十层甚至数百层。两大主要原因限制了现有方法在嵌入式移动设备中的视频检测性能:1)嵌入式移动设备的计算能力比GPU集群低数百倍;2)感兴趣目标的运动和变化会导致大量的噪声和模糊。因此,在
论文部分内容阅读
近年来,随着卷积神经网络的不断突破,目标检测在视频分析任务中具有重要意义和充满了挑战。虽然有很多优秀的视频目标检测器被提出,但它们只适合部署在GPU服务器集群上。为了大幅提高检测器的准确性,这些检测器的骨干网络多达数十层甚至数百层。两大主要原因限制了现有方法在嵌入式移动设备中的视频检测性能:1)嵌入式移动设备的计算能力比GPU集群低数百倍;2)感兴趣目标的运动和变化会导致大量的噪声和模糊。因此,在嵌入式移动设备中检测视频目标仍然具有挑战性。为了解决这些问题,本文提出了一种新颖的检测跟踪平衡网络（DTB-Net）用于嵌入式移动设备中的快速视频目标检测。DTB-Net由三个部分组成:检测模块、跟踪模块和平衡模块。平衡模块通过调节因子控制跟踪器的创建,并通过决策函数决定最终的检测结果。检测模块和跟踪模块分别确保了检测精度和推理效率。三个模块的协作有效解决了嵌入式移动设备计算能力低的问题。主要贡献如下:（1）我们提出了一种被称为DTB-Net的新型快速视频目标检测网络,该网络通过平衡模块有效地集成检测器和跟踪器,从而在嵌入式移动设备中实现更先进的检测器。（2）提出了一种被称为FIST-MR的新颖运动目标数据集,为快速视频目标检测任务提供了新的测试基准。（3）本文基于FIST-MR数据集在Nvidia Jetson NX平台上进行了大量的实验以评估所提方法的有效性。当调节因子为0.75时,DTB-Net的AP指标达到了0.953,高于大部分主流算法,仅略低于YOLOv4算法,而且推理速度达到了30 FPS比YOLOv4算法快3倍多。
其他文献
电磁波吸收材料对军工和民用的电磁防护具有举足轻重的作用。作为重要的传统吸波材料,铁氧体和钛基氧化物具有价格低廉、储量丰富等优势,受到广泛关注。然而,这类材料受限于阻抗匹配较差和单一的电磁波损耗机制,因此存在吸收强度低、频带覆盖范围窄的缺点。将磁性金属、介电材料和电导材料结合,是克服上述问题的有效手段。因此,调控复合物各组分比例获得优化的阻抗匹配并协同发挥多种损耗机制的作用,从而开发出具有优良吸波性
《义务教育语文课程标准（2011版）》认为,语文综合性学习课程需要注意调动学生的参与积极性,并着重强调学生在参与过程中的独立学习能力与合作精神的培养,进一步提高学生在活动中的策划实施能力和组织协调能力。区别其他学习的形式,在语文综合性学习中小组合作学习的重要性更加突出,学习的深度与广度也大大提高,且更能充分有效的培养学习者的语文综合能力。在当前素质教育的背景下,小组合作学习的运用对语文综合性学习教
目标跟踪通常以视频序列第一帧中感兴趣目标区域建立目标模板,在后续序列中对此目标进行探测跟踪。目标跟踪为目标的行为理解和分析提供了重要的基础信息,有着广泛的应用前景。虽然当前目标跟踪技术,尤其是近几年基于孪生深度网络的目标跟踪算法取得了较快的发展,但是在跟踪过程中,通常存在复杂跟踪场景和预训练模型表观能力不足等影响因素,导致算法预测目标框不准确的问题,即出现算法的预测目标位置偏离真实位置或者跟丢的情
最大熵模型中的最优化算法包括迭代尺度算法和拟牛顿算法,是典型的分类算法,但分类效果有待提高。由于分数阶微积分良好的全局性,本文结合分数阶微积分,对两种优化算法进行分数阶拓展,得到分数阶迭代尺度算法和分数阶拟牛顿算法,并设计实验验证两种分数阶优化算法的性能。本文首先结合分数阶微积分的理论,将整数阶的迭代尺度算法、拟牛顿算法与分数阶微积分联立,推导出分数阶迭代尺度算法和分数阶拟牛顿算法的数学表达式。然
随着大科学工程的不断推进,大口径、大视场天文观测仪器陆续投入使用,数据规模越来越大,复杂求解需求持续攀升。在高分辨太阳图像重建时,采用选帧位移叠加法和斑点掩模法,难以高效满足实时重建的需求。目前,现有处理方式还停留在CPU单进程或线程模式上,很容易导致CPU和GPU利用率低下,造成系统资源的浪费。解决这一问题的关键就是要对现有算法进行改进,提高CPU与GPU的协同并行计算能力。本文针对NVST中L
无迹卡尔曼滤波（Unscented Kalman Filter,UKF）算法因其具有精度高、复杂度低等优势广泛运用于无人自动驾驶、移动机器人定位等领域。随着目标领域对自主能力需求不断提高,UKF算法在这些领域还存在实时性较低等问题。FPGA（Field Programmable Gate Array）具有高并行性、高速、低功耗及重构性等优点,利用其优势实现UKF算法能够提高算法在目标领域的实时性,
文本语义相似度计算研究的目的在于进行高效的信息筛选和帮助人类排除重复信息,在通用领域和临床医疗领域中有很强的应用价值。在通用领域,文本相似度计算可以帮助大量的文本信息进行筛选,其中深度学习和自然语言处理的应用对于文本语义相似度计算有着很好的表现。对于临床医疗领域来说,电子健康记录的大量使用导致医疗文本信息的冗余,通过语义相似度计算可以很好的避免医学信息冗余和组织错误的问题,所以,文本语义相似度计算
关键蛋白质是生物体生存所必需的蛋白质,生物体一旦缺失关键蛋白质,就会造成特定功能的丧失,甚至死亡。识别关键蛋白质不仅有助于理解生物体的整个生命过程,而且有助于发现致病基因和药物的作用点。随着高通量技术的兴起,蛋白质相互作用数据逐渐丰富,基于蛋白质相互作用网络识别关键蛋白质进而成为研究的热点。虽然蛋白质相互作用网络是关键蛋白质识别的主要信息,但是近些年的研究表明一些相关的生物属性信息也是影响关键蛋白
肺炎已经成为当今社会威胁人类健康不可忽视的一个疾病,特别是卒中相关性肺炎容易与其他疾病混淆。传统的卒中相关性肺炎诊断方式通过统计方法构建预测模型,如Cox比例风险模型、逻辑回归模型等,此方法纳入影响发病特征过多、预测时间较长。随着人工智能技术的发展,机器学习方法对数据已经有较好的预测性能。在卒中相关性肺炎诊断背景下,本文利用机器学习技术对以往大量卒中相关性肺炎病例进行分析,针对患者是否患病构建预测
增强子能大大增强启动子的活性,发挥出调控基因转录进程的关键作用,其对促进关键基因的表达以及富集疾病相关变异的相关研究,拥有着重大研究价值,已经成为生物医学领域的研究热点。然而从海量基因数据中识别增强子及其强度,传统的生物实验鉴定已经不能满足高通量的数据需求,基于计算机技术的方法因其能够低成本且高效地处理高通量数据,成为可能替代传统生物实验的新方法。本文采用机器学习方法,通过构造出新的特征编码方案将