本文是使用基于深度学习的对象检测实现监控系统的快速教程。 它还比较了使用GPU多处理进行推理的不同物体检测模型在行人检测方面的性能。
监视是安全和巡逻的一个组成部分。 在大多数情况下,这项工作需要长时间寻找不受欢迎的事情。 我们这样做至关重要,但这也是一项非常平凡的任务。
如果有什么东西可以为我们“观察和等待”,那么生活会不会简单得多? 嗯,你很幸运。 随着过去几年技术的进步,我们可以编写一些脚本来自动执行上述任务 - 而且也很容易。 但是,在我们深入探讨之前,让我们问自己:
Are machines are good as humans?
任何熟悉深度学习的人都会知道图像分类器超出了人类的准确度。
对于人类,传统计算机视觉(CV)和深度学习,ImageNet数据集随时间的错误率。 (图片来源:链接)
所以,是的,与人类相比,机器可以以相同的标准(或更好)保持对物体的监视。 话虽如此,使用技术进行监视更有效率。
- 监督是一项重复而平凡的任务。 这可能会导致我们人类的性能下降。 通过让技术进行监控,我们可以专注于采取行动,如果出现问题。</