一个轻量级的煤矿行人探测器用于视频监控系统,具有多层功能融合和通道修剪

科学领域:

• 计算机视觉 计算机视觉
• 人工智能的人工智能
• 采矿工程 采矿工程 采矿工程

背景情况:

• 对于煤矿监控而言,行人检测至关重要,但由于有限的计算资源而受到挑战.
• 现有的大型模型效率低下,阻碍了实时检测和安全应用.
• 需要轻量级模型才能在资源有限的采矿环境中有效部署.

研究的目的:

• 为煤矿开发一种轻量级的行人检测模型.
• 在计算限制下提高检测准确性和效率.
• 为采矿业实时事故预防提供实用解决方案.

主要方法:

• 提出了一种具有多层次特征融合的轻量级探测器,结合了坐标注意力和双向特征金字塔网络.
• 利用动态聚焦机制来限制框回归以尽量减少错误.
• 实现了链路通道修剪,以减轻网络精度和减少计算负载.
• 集成了一种薄子技术,以提高多尺度检测能力.

主要成果:

• 实现了最先进的轻量级性能,具有0.61M参数,2.0GFLOP和1.48MB的模型大小.
• 证明了高检测精度 (0.966) 和快速推断时间 (2.1 ms).
• 与基线相比,参数减少了4.96倍,计算负载减少了4.05倍,模型大小减少了4.02倍,推断时间减少了59.62%.
• 显示了1.2%的精度改进.

结论:

• 开发的轻量级行人探测器在规模,速度和准确性方面提供了卓越的性能,用于煤矿监控.
• 该方法在专有和公共数据集上得到验证,证实了其最先进的功能.
• 这项研究为煤矿视频监控系统的实时事故预防提供了宝贵的技术参考.