Apr, 2023

低分辨率红外阵列隐私保护人数计数的高效深度学习模型

PDF
TL;DR本文研究了基于红外光阵列的人体计数任务，比较了 6 种不同的深度学习架构在各种限制下的性能，并提供了新的数据集进行评估。结果表明，我们的模型比以前的方法更准确，速度更快，更节能，以便可在 MCU 上进行连续，实时推断。
ultra-low-resolution infrareddeep learningiotedge nodesoccupany monitoring
发现论文，激发创造
  • 低分辨率红外阵列上隐私保护人群计数的硬件软件优化

    利用低分辨率红外阵列传感器进行人员计数，通过深度神经网络 (DNNs) 实现自动化全栈优化流程，获得 Pareto 最优解，达到 4.2 倍模型尺寸减小、23.8 倍代码尺寸减小和 15.38 倍节能的最新成果。

    Feb, 2024

  • 基于红外人数统计的监督级别权衡评估

    研究探讨了使用较弱监督水平对深度人数计数体系结构在图像分类和点级定位方面的性能造成的影响，实验证明使用 CNN 图像级模型计数人数能够以竞争性结果达到 YOLO 检测器和点级模型的水平，并且提供更高的帧率和相似数量的模型参数。

    Nov, 2023

  • 基于 Inception 的人群计数 -- 快速而精确

    本文提出了一种基于 Inception-V3 的新方法 ICC 来降低计算量，以提高自动图像人群计数模型的实时性，并在保障公共安全方面具有很高的实用价值。

    Oct, 2022

  • 无人机实时人体检测

    本研究提出了一种适用于无人机热红外图片和视频的目标检测框架，基于 CNN 架构的 YOLO 模型，通过定量和定性评估深度学习模型，在人的交叉检测性能方面展示了 YOLOv7 模型在不同无人机观察角度下的应用。

    Jan, 2024

  • 利用深度传感器在杂乱场景下进行实时人数统计的基准数据和方法

    本文提出了用于智能交通系统中真实世界杂乱场景下人数自动计数的方法，其基于 RGB-D 数据集，使用深度视频的点云计算方法、3D 人体模型和轨迹跟踪来计数，得到高精度的计数结果。

    Apr, 2018

  • 基于 LiDAR 的边缘计算智能校园室外人群管理

    使用廉价的激光雷达技术和边缘计算进行校园人群管理，保护隐私，提高性能。

    Nov, 2023

  • 视觉唤醒词数据集

    为便于在微控制器上部署计算机视觉应用，本文提出了一个新的数据集 Visual Wake Words，并利用该数据集评估了在仅使用 250 KB 内存的情况下现有最先进的移动模型在其上的表现，该数据集代表了一种常见的微控制器视觉应用案例，在图像中识别人是否存在。预计该数据集将促进推动微控制器应用中在准确性与内存使用之间取得最优的边界的微小视觉模型的研究。

    Jun, 2019

  • 深度多摄像头人体检测

    通过使用深度学习算法解决多视角人员占用地图估计问题，并构建一个利用多个视频流的架构，将其联合利用，从而在 PETS 2009 数据集上大幅度优于现有方法。

    Feb, 2017

  • 深度循环空间感知网络在人群计数中的应用

    本文提出了一种利用神经网络及空间变换模型解决人流量不规则变化问题的方法，在 4 个数据集上实验得到了 12%-22.8% 的改进。

    Jul, 2018

  • 面向资源受限的微控制器的机器学习和推断技术

    本文提出了一种适用于微控制器单元 (MCUs) 的无电池 ML 推理和模型个性化管道，使用此管道在深海中进行了鱼类图像识别并比较其准确性，运行时长，功率和能源消耗等优劣，结果表明，在 MCUs 上可以实现 97.78％的精度，达到了无电池 ML 推理的可行性。

    May, 2023