Video-based Smoky Vehicle Detection with A Coarse-to-Fine Framework

要約

ビデオでの自動煙車両検出は、環境保護機関向けの紫外線赤外線デバイスを備えた従来の高価なリモートセンシングソリューションよりも優れたソリューションです。
ただし、車両の煙を、後部車両または雑然とした道路から来る影や濡れた領域と区別することは困難であり、注釈付きデータが限られているため、さらに悪化する可能性があります。
この論文では、最初に、75,000の注釈付きスモーキービークル画像を含む実際の大規模スモーキービークルデータセットを紹介し、高度な深層学習モデルの効果的なトレーニングを容易にします。
公正なアルゴリズム比較を可能にするために、セグメントレベルの注釈付きの163本の長いビデオを含む煙のような車両ビデオデータセットも構築します。
さらに、効率的なスモーキービークル検出のための新しいCoarse-to-fineディープスモーキービークル検出（CoDeS）フレームワークを紹介します。
CoDeSは、最初に軽量のYOLO検出器を利用して、高いリコール率で高速の煙を検出し、次に煙と車両のマッチング戦略を適用して非車両の煙を排除し、最後に精巧に設計された3Dモデルを使用して結果をさらに洗練します。
空間的時間空間。
4つのメトリックでの広範な実験は、私たちのフレームワークがそれらの手作りの機能ベースの方法や最近の高度な方法よりも大幅に優れていることを示しています。
コードとデータセットはhttps://github.com/pengxj/smokyvehicleでリリースされます。

要約(オリジナル)

Automatic smoky vehicle detection in videos is a superior solution to the traditional expensive remote sensing one with ultraviolet-infrared light devices for environmental protection agencies. However, it is challenging to distinguish vehicle smoke from shadow and wet regions coming from rear vehicle or clutter roads, and could be worse due to limited annotated data. In this paper, we first introduce a real-world large-scale smoky vehicle dataset with 75,000 annotated smoky vehicle images, facilitating the effective training of advanced deep learning models. To enable fair algorithm comparison, we also build a smoky vehicle video dataset including 163 long videos with segment-level annotations. Moreover, we present a new Coarse-to-fine Deep Smoky vehicle detection (CoDeS) framework for efficient smoky vehicle detection. The CoDeS first leverages a light-weight YOLO detector for fast smoke detection with high recall rate, and then applies a smoke-vehicle matching strategy to eliminate non-vehicle smoke, and finally uses a elaborately-designed 3D model to further refine the results in spatial temporal space. Extensive experiments in four metrics demonstrate that our framework is significantly superior to those hand-crafted feature based methods and recent advanced methods. The code and dataset will be released at https://github.com/pengxj/smokyvehicle.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google