Venner, det er næsten tid! Det sidste skridt mod en OCP-godkendt Ed-209-kompatibel fremtid: «Automatisk alarm til registrering af pistol i videoer ved hjælp af dyb læring» (PDF)...
Nuværende overvågnings- og kontrolsystemer kræver stadig menneskelig overvågning og intervention. Dette arbejde præsenterer et nyt automatisk pistoldetekteringssystem i videoer, der er passende til både overvågnings- og kontrolformål. Vi omformulerer dette opdagelsesproblem til problemet med at minimere falske positive og løse det ved at opbygge det vigtigste træningsdatasæt styret af resultaterne af en dyb Convolutional Neural Networks (CNN) klassifikator og derefter vurdere den bedste klassificeringsmodel under to tilgange, den glidende vinduet tilgang og region forslag tilgang.
De mest lovende resultater opnås ved hurtigere R-CNN-baseret model, der er trænet i vores nye database. Den bedste detektor viser et stort potentiale selv i youtube-videoer af lav kvalitet og giver tilfredsstillende resultater som automatisk alarmsystem. Blandt 30 scener aktiverer den alarmen med succes efter fem på hinanden følgende ægte positive på mindre end 0.2 sekunder i 27 scener. Vi definerer også en ny metric, Alarm Activation per Interval (AApI), for at vurdere ydeevnen af en detektionsmodel som et automatisk detektionssystem i videoer.
Og hvis noget skulle gå galt: