跳到正文
arXiv · 机器人与计算机视觉· Shahran Rahman Alve, Shahnewaz Siddique·· 22 天前AI 评分23

Smart Surveillance:深度学习与混合方法用于动态场景分析、目标检测与运动追踪

Smart Surveillance: Deep Learning and Hybrid Approaches for Dynamic Scene Analysis, Object Detection and Motion Tracking

AI 导读

该研究在七场景基准(5,800帧)对比了六种运动触发器及 CNN 检测器等方案,发现基于检测器的触发器仅存储 19-28% 空闲帧且抗抖动能力强。在 VisDrone 数据集上,YOLO11n 输入分辨率从 640 提升至 1280 使 AP 从 15.5 增至 26.8,INT8 量化降低延迟 17%,长记忆追踪将 IDF1 提升 6.2 点。

来源:arXiv · 机器人与计算机视觉 · arxiv.org