分数B-Spline波纹和U-Net架构,用于在雪天条件下稳健可靠的车辆检测

科学领域:

• 计算机视觉 计算机视觉
• 人工智能的人工智能
• 机器人技术 机器人技术 机器人技术

背景情况:

• 实时车辆检测对于车辆情报系统 (VIS) 至关重要,特别是在恶劣天气下使用无人机 (UAV).
• 现有的方法在边缘设备的环境变化和计算约束下扎.

研究的目的:

• 为在恶劣天气条件下运行的无人机开发先进的实时车辆检测方法.
• 解决当前检测技术和边缘设备计算限制的局限性.

主要方法:

• 一种新的方法,将分数B-spline波段变换与定制的U-Net架构相结合.
• 在Raspberry Pi 4上使用冬季无人机图像NVD数据集进行实施和评估.

主要成果:

• 拟议的方法证明了车辆检测和定位的速度和准确性之间的平衡.
• 对比分析显示,在受限制的设备上,与YOLO和Faster RCNN等最先进的探测器相比,其性能具有竞争力.

结论:

• 开发的技术为在具有挑战性的环境中实时检测车辆提供了有效的解决方案.
• 这项研究提高了基于无人机的VIS在恶劣天气场景中的适用性,提高了整体系统效用.