Vänner, det är snart dags! Det sista steget mot en OCP-godkänd Ed-209-kompatibel framtid: «Larm för automatisk upptäckt av pistol i videor med hjälp av djupinlärning» (PDF)...
Nuvarande övervaknings- och kontrollsystem kräver fortfarande mänsklig övervakning och intervention. Detta arbete presenterar ett nytt automatiskt system för upptäckt av pistol i videor som är lämpliga för både övervaknings- och kontrolländamål. Vi omformulerar detta detekteringsproblem till problemet att minimera falska positiva och löser det genom att bygga den viktiga träningsdatauppsättningen som styrs av resultaten från en djup konvolutionell neural nätverk (CNN) klassificerare, sedan bedöma den bästa klassificeringsmodellen enligt två tillvägagångssätt, glidningen fönstermetod och tillvägagångssätt för regionförslag.
De mest lovande resultaten erhålls med snabbare R-CNN-baserad modell som är utbildad på vår nya databas. Den bästa detektorn visar en hög potential även i YouTube -videor med låg kvalitet och ger tillfredsställande resultat som automatiskt larmsystem. Bland 30 scener aktiverar den larmet framgångsrikt efter fem på varandra följande sanna positiva på mindre än 0.2 sekunder, på 27 scener. Vi definierar också ett nytt mått, larmaktivering per intervall (AApI), för att bedöma prestandan hos en detektionsmodell som ett automatiskt detekteringssystem i videor.
Och om något skulle gå fel: