A funcionalidade de pesquisa está em construção.
A funcionalidade de pesquisa está em construção.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Location First Non-Maximum Suppression for Uncovered Muck Truck Detection Localização Primeira Supressão Não Máxima para Detecção de Caminhão de Sujeira Descoberto

Yuxiang ZHANG, Dehua LIU, Chuanpeng SU, Juncheng LIU

  • Exibições de texto completo

    15

  • Cite isto

Resumo:

A detecção de caminhão de sujeira descoberto visa detectar o caminhão de sujeira e distinguir se ele está coberto ou não por uma rede à prova de poeira para rastrear a fonte de poluição. Ao contrário do problema de detecção tradicional, o recall de todos os caminhões descobertos é mais importante do que a localização precisa para rastreabilidade da poluição. Quando dois objetos estão muito próximos em uma imagem, o objeto ocluído pode não ser recuperado porque o algoritmo de supressão não máxima (NMS) pode remover a proposta sobreposta. Para resolver esse problema, propomos um método Location First NMS para combinar as caixas de verdade e as caixas previstas por posição, em vez de identificador de classe (ID) no estágio de treinamento. Em primeiro lugar, um método de correspondência de caixa é introduzido para reatribuir o ID da caixa prevista usando o mais próximo da verdade, o que pode evitar a falta de objetos quando o IoU de duas propostas for maior que o limite. Em segundo lugar, projetamos uma função de perda para adaptar o algoritmo proposto. Em terceiro lugar, um sistema de detecção de caminhão de lixo descoberto é projetado usando o método em uma cena real. Os resultados do experimento mostram a eficácia do método proposto.

Publicação
IEICE TRANSACTIONS on Fundamentals Vol.E106-A No.6 pp.924-931
Data de publicação
2023/06/01
Publicitada
2022/12/13
ISSN online
1745-1337
DOI
10.1587/transfun.2022EAP1100
Tipo de Manuscrito
PAPER
Categoria
Imagem

autores

Yuxiang ZHANG
  Qingdao University of Technology
Dehua LIU
  the Qingdao Xizheng Technology Co., Ltd.
Chuanpeng SU
  the Qingdao Xizheng Technology Co., Ltd.
Juncheng LIU
  the Qingdao Xizheng Technology Co., Ltd.

Palavra-chave