PulseAugur
中
实时 16:15:31
English(EN) Tiny Collaborative Inference for Occlusion-Robust Object Detection

微小协同推理提升边缘设备上的目标检测性能

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种用于改进小型边缘设备上的目标检测方法，特别是在存在遮挡的情况下。他们的方法结合了轻量级神经网络架构和TensorFlow Lite量化，并评估了两种协同推理策略：特征级融合和决策级融合。决策级融合，特别是使用加权框融合（WBF），表现出更优越的性能，在不对称遮挡设置下将准确率提高了高达0.27 mAP，并在多板部署中将帧级覆盖率提高了近30%。 AI

影响 增强了资源受限边缘设备上的目标检测能力，可能为机器人和监控领域带来更复杂的人工智能应用。

排序理由 详细介绍目标检测新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Chieh-Tung Cheng, Mustafa Aslanov, Eiman Kanjo ·

    Tiny Collaborative Inference for Occlusion-Robust Object Detection

    arXiv:2606.02894v1 Announce Type: new Abstract: Small edge devices such as IoT surveillance nodes and search-and-rescue (SAR) platforms are increasingly expected to run computer vision locally. On ultra-low-end hardware, however, object detection is limited by available memory an…

相关话题