論文の概要: SUPER: A Novel Lane Detection System
- arxiv url: http://arxiv.org/abs/2005.07277v1
- Date: Thu, 14 May 2020 21:40:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-03 05:13:34.260657
- Title: SUPER: A Novel Lane Detection System
- Title（参考訳）: super:新しい車線検出システム
- Authors: Pingping Lu, Chen Cui, Shaobing Xu, Huei Peng, Fan Wang
- Abstract要約: 本研究では,Scene Understanding Physics-Enhanced Real-time (SUPER)アルゴリズムと呼ばれるリアルタイムレーン検出システムを提案する。
我々は、Cityscapes、Vistas、Apolloの異種データを用いて提案システムを訓練し、4つの完全に独立したデータセットのパフォーマンスを評価する。
予備試験の結果,Mobileyeと比較して実車線検出性能は有望であった。
- 参考スコア（独自算出の注目度）: 26.417172945374364
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: AI-based lane detection algorithms were actively studied over the last few
years. Many have demonstrated superior performance compared with traditional
feature-based methods. The accuracy, however, is still generally in the low 80%
or high 90%, or even lower when challenging images are used. In this paper, we
propose a real-time lane detection system, called Scene Understanding
Physics-Enhanced Real-time (SUPER) algorithm. The proposed method consists of
two main modules: 1) a hierarchical semantic segmentation network as the scene
feature extractor and 2) a physics enhanced multi-lane parameter optimization
module for lane inference. We train the proposed system using heterogeneous
data from Cityscapes, Vistas and Apollo, and evaluate the performance on four
completely separate datasets (that were never seen before), including Tusimple,
Caltech, URBAN KITTI-ROAD, and X-3000. The proposed approach performs the same
or better than lane detection models already trained on the same dataset and
performs well even on datasets it was never trained on. Real-world vehicle
tests were also conducted. Preliminary test results show promising real-time
lane-detection performance compared with the Mobileye.
- Abstract（参考訳）: AIベースの車線検出アルゴリズムは、ここ数年で活発に研究されている。
多くは従来の機能ベースの手法と比較して優れたパフォーマンスを示している。
しかし、その精度は一般的には低い80%か高い90%であり、挑戦的な画像を使用する場合にはさらに低い。
本稿では,Scene Understanding Physics-Enhanced Real-time (SUPER)アルゴリズムというリアルタイムレーン検出システムを提案する。
提案手法は2つのモジュールから構成される。
1)シーン特徴抽出器としての階層的意味セグメンテーションネットワークと
2)車線推定のための物理拡張マルチレーンパラメータ最適化モジュール。
提案システムは、Cityscapes、Vistas、Apolloの異種データを用いてトレーニングし、Tusimple、Caltech、URBAN KITTI-ROAD、X-3000を含む4つの完全に独立したデータセット(これまで見たことのない)のパフォーマンスを評価する。
提案されたアプローチは、すでに同じデータセットでトレーニングされたレーン検出モデルと同等かそれ以上のパフォーマンスを発揮し、トレーニングされていないデータセットでもうまく機能する。
実際の車両試験も行われた。
予備試験の結果,Mobileyeと比較して実車線検出性能は有望であった。
関連論文リスト
- Autonomous Vehicle Controllers From End-to-End Differentiable Simulation [60.05963742334746]
そこで我々は,AVコントローラのトレーニングにAPG(analytic Policy gradients)アプローチを適用可能なシミュレータを提案し,その設計を行う。
提案するフレームワークは, エージェントがより根底的なポリシーを学ぶのを助けるために, 環境力学の勾配を役立てる, エンド・ツー・エンドの訓練ループに, 微分可能シミュレータを組み込む。
ダイナミクスにおけるパフォーマンスとノイズに対する堅牢性の大幅な改善と、全体としてより直感的なヒューマンライクな処理が見られます。
論文 参考訳（メタデータ） (2024-09-12T11:50:06Z) - Re-Evaluating LiDAR Scene Flow for Autonomous Driving [80.37947791534985]
自己教師型LiDARシーンフローの一般的なベンチマークは、動的動き、非現実的な対応、非現実的なサンプリングパターンの非現実的な速度を持つ。
実世界のデータセットのスイート上で,トップメソッドのスイートを評価する。
学習に重点を置いているにもかかわらず、ほとんどのパフォーマンス向上は前処理と後処理のステップによって引き起こされる。
論文 参考訳（メタデータ） (2023-04-04T22:45:50Z) - EAutoDet: Efficient Architecture Search for Object Detection [110.99532343155073]
EAutoDetフレームワークは、1.4GPU日でオブジェクト検出のための実用的なバックボーンとFPNアーキテクチャを検出できる。
本稿では,一方のエッジ上での候補演算の重みを共有し,それらを一つの畳み込みに集約することでカーネル再利用手法を提案する。
特に、発見されたアーキテクチャは最先端のオブジェクト検出NAS法を超越し、120 FPSで40.1 mAP、49.2 mAP、41.3 FPSをCOCOテストデブセットで達成している。
論文 参考訳（メタデータ） (2022-03-21T05:56:12Z) - Pedestrian Detection: Domain Generalization, CNNs, Transformers and
Beyond [82.37430109152383]
その結果、現在の歩行者検知器は、クロスデータセット評価において、たとえ小さな領域シフトであっても処理が不十分であることがわかった。
限定的な一般化は、その方法と現在のデータ源の2つの主要な要因に帰着する。
本稿では、一般化を改善する進歩的な微調整戦略を提案する。
論文 参考訳（メタデータ） (2022-01-10T06:00:26Z) - An Efficient Approach for Anomaly Detection in Traffic Videos [30.83924581439373]
本稿では,エッジデバイスで動作可能な映像異常検出システムのための効率的な手法を提案する。
提案手法は,シーンの変化を検出し,破損したフレームを除去するプリプロセッシングモジュールを含む。
また,新しいシーンに迅速に適応し,類似度統計量の変化を検出するシーケンシャルな変化検出アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-04-20T04:43:18Z) - Dynamic Fusion Module Evolves Drivable Area and Road Anomaly Detection:
A Benchmark and Algorithms [16.417299198546168]
移動ロボットにとって,乾燥領域と道路異常の同時検出は非常に重要である。
本稿では,まず,地上移動ロボットの乾性領域と道路異常検出ベンチマークを構築した。
本稿では,既存のデータ・フュージョン・ネットワークに容易にデプロイ可能なdynamic fusion module (dfm) と呼ばれる新しいモジュールを提案する。
論文 参考訳（メタデータ） (2021-03-03T14:38:27Z) - Sequential Place Learning: Heuristic-Free High-Performance Long-Term
Place Recognition [24.70946979449572]
学習ベースのCNN+LSTMアーキテクチャを開発し、バックプロパゲーションを通じてトレーニングし、視点および外観不変の場所認識を実現します。
我々のモデルは、新しい最先端パフォーマンス標準を設定しながら、15の古典的手法より優れています。
さらに, SPL は 729 km の経路において, 従来の方法よりも 70 倍高速に展開可能であることを示す。
論文 参考訳（メタデータ） (2021-03-02T22:57:43Z) - Unsupervised Feature Learning for Event Data: Direct vs Inverse Problem
Formulation [53.850686395708905]
イベントベースのカメラは、ピクセルごとの明るさ変化の非同期ストリームを記録する。
本稿では,イベントデータからの表現学習のための単一層アーキテクチャに焦点を当てる。
我々は,最先端手法と比較して,認識精度が最大9%向上したことを示す。
論文 参考訳（メタデータ） (2020-09-23T10:40:03Z) - Anchor-free Small-scale Multispectral Pedestrian Detection [88.7497134369344]
適応型単一段アンカーフリーベースアーキテクチャにおける2つのモードの効果的かつ効率的な多重スペクトル融合法を提案する。
我々は,直接的境界ボックス予測ではなく,対象の中心と規模に基づく歩行者表現の学習を目指す。
その結果,小型歩行者の検出における本手法の有効性が示唆された。
論文 参考訳（メタデータ） (2020-08-19T13:13:01Z) - PolyLaneNet: Lane Estimation via Deep Polynomial Regression [9.574421369309949]
車両に搭載された前方カメラの画像を用いた車線検出手法を提案する。
提案手法はTuSimpleデータセットの既存の最先端手法と競合することが示されている。
ソースコードとトレーニングされたモデルを提供して、他の人がこの論文に示したすべての結果を再現できるようにします。
論文 参考訳（メタデータ） (2020-04-23T01:23:02Z) - Map-Enhanced Ego-Lane Detection in the Missing Feature Scenarios [26.016292792373815]
本稿では,検出アルゴリズムの性能向上に優れた,デジタル地図に含まれる事前知識を活用する。
このようにして、路面形状と実車線の位置誤差を除去するためには、少数の車線特徴しか必要としない。
実験の結果,提案手法は様々なシナリオに適用可能であり,20Hzの周波数でリアルタイムに動作可能であることがわかった。
論文 参考訳（メタデータ） (2020-04-02T16:06:48Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。