論文の概要: Exploring Thermal Images for Object Detection in Underexposure Regions
for Autonomous Driving
- arxiv url: http://arxiv.org/abs/2006.00821v2
- Date: Mon, 3 May 2021 09:24:14 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-26 06:32:03.304418
- Title: Exploring Thermal Images for Object Detection in Underexposure Regions
for Autonomous Driving
- Title(参考訳): 自律走行のための被曝領域における物体検出のための熱画像探索
- Authors: Farzeen Munir, Shoaib Azam, Muhammd Aasim Rafique, Ahmad Muqeem Sheri,
Moongu Jeon, Witold Pedrycz
- Abstract要約: アンダーエクスポージャー地域は、安全な自動運転のための周囲の完全な認識を構築するのに不可欠である。
サーマルカメラが利用可能になったことで、他の光学センサーが解釈可能な信号を捉えていない地域を探索するための重要な代替手段となった。
本研究は,可視光画像から熱画像へ学習を伝達するためのスタイル伝達手法を用いたドメイン適応フレームワークを提案する。
- 参考スコア(独自算出の注目度): 67.69430435482127
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Underexposure regions are vital to construct a complete perception of the
surroundings for safe autonomous driving. The availability of thermal cameras
has provided an essential alternate to explore regions where other optical
sensors lack in capturing interpretable signals. A thermal camera captures an
image using the heat difference emitted by objects in the infrared spectrum,
and object detection in thermal images becomes effective for autonomous driving
in challenging conditions. Although object detection in the visible spectrum
domain imaging has matured, thermal object detection lacks effectiveness. A
significant challenge is scarcity of labeled data for the thermal domain which
is desiderata for SOTA artificial intelligence techniques. This work proposes a
domain adaptation framework which employs a style transfer technique for
transfer learning from visible spectrum images to thermal images. The framework
uses a generative adversarial network (GAN) to transfer the low-level features
from the visible spectrum domain to the thermal domain through style
consistency. The efficacy of the proposed method of object detection in thermal
images is evident from the improved results when used styled images from
publicly available thermal image datasets (FLIR ADAS and KAIST Multi-Spectral).
- Abstract(参考訳): 未露出領域は、安全な自動運転のために周囲を完全に認識するために不可欠である。
サーマルカメラの利用可能性は、他の光学センサーが解釈可能な信号を捉えることができない領域を探索するための重要な代替手段となった。
熱カメラは、赤外線スペクトル内の物体から放射される熱差を用いて画像をキャプチャし、熱画像中の物体検出は、困難な条件下での自律運転に有効となる。
可視領域画像における物体検出は成熟しているが、熱的物体検出は有効性に欠ける。
重要な課題は、SOTA人工知能技術のデシラタである熱領域のラベル付きデータの不足である。
本研究では,可視スペクトル画像から熱画像への学習を転送するスタイル変換技術を用いたドメイン適応フレームワークを提案する。
このフレームワークはgan(generative adversarial network)を使用して、スタイル一貫性を通じて可視スペクトルドメインから熱ドメインに低レベルの機能を転送する。
提案手法の有効性は, 一般に公開されている熱画像データセット(FLIR ADAS, KAIST Multi-Spectral)のスタイル画像を用いた場合に, 改良された結果から明らかである。
関連論文リスト
- Data Generation Scheme for Thermal Modality with Edge-Guided Adversarial Conditional Diffusion Model [10.539491614216839]
本稿では,エッジガイド条件拡散モデルと呼ばれる新しい手法を提案する。
可視画像から抽出したエッジ情報を平均化し、画素レベルで正確に整列された擬似熱画像を生成することを目的とする。
LLVIPの実験は、画像生成の品質の観点から、既存の最先端アプローチよりもECDMの方が優れていることを示した。
論文 参考訳(メタデータ) (2024-08-07T13:01:10Z) - Learning Heavily-Degraded Prior for Underwater Object Detection [59.5084433933765]
本稿では、検出器フレンドリーな画像から、転送可能な事前知識を求める。
これは、検出器フレンドリー(DFUI)と水中画像の高度に劣化した領域が、特徴分布のギャップがあることを統計的に観察したものである。
高速かつパラメータの少ない本手法は変圧器型検出器よりも優れた性能を保っている。
論文 参考訳(メタデータ) (2023-08-24T12:32:46Z) - Absorption-Based, Passive Range Imaging from Hyperspectral Thermal
Measurements [6.719751155411075]
環境熱放射の大気吸収に基づく新しい受動レンジイメージング手法を提案する。
15mから150mの範囲の特徴は回復され、不整合ライダーデータとの質的整合性が良好である。
論文 参考訳(メタデータ) (2023-08-10T18:35:22Z) - Spectral Transfer Guided Active Domain Adaptation For Thermal Imagery [1.911678487931003]
本稿では,可視スペクトルと熱画像量を組み合わせた有効領域適応手法を提案する。
我々は、大規模可視スペクトルデータセットMS-COCOをソースドメインとして、熱データセットFLIR ADASをターゲットドメインとして使用した。
提案手法は最先端のアクティブドメイン適応法より優れている。
論文 参考訳(メタデータ) (2023-04-14T10:04:42Z) - Does Thermal Really Always Matter for RGB-T Salient Object Detection? [153.17156598262656]
本稿では,RGB-T有意物体検出(SOD)タスクを解決するために,TNetというネットワークを提案する。
本稿では,画像のグローバル照度を推定するためのグローバル照度推定モジュールを提案する。
一方, 2段階の局所化と相補化モジュールを導入し, 熱的特徴の物体位置化キューと内部整合キューをRGBモダリティに転送する。
論文 参考訳(メタデータ) (2022-10-09T13:50:12Z) - Maximizing Self-supervision from Thermal Image for Effective
Self-supervised Learning of Depth and Ego-motion [78.19156040783061]
熱画像からの深度とエゴモーションの自己教師付き学習は、困難なシナリオ下で強い堅牢性と信頼性を示す。
弱いコントラスト、ぼやけたエッジ、ノイズなどの固有の熱画像特性は、熱画像から効果的な自己スーパービジョンを生成するために障害となる。
本研究では,時間的一貫性を維持しつつ,全体構造,コントラスト,詳細などの画像情報を大幅に向上させる有効熱画像マッピング手法を提案する。
論文 参考訳(メタデータ) (2022-01-12T09:49:24Z) - Meta-UDA: Unsupervised Domain Adaptive Thermal Object Detection using
Meta-Learning [64.92447072894055]
赤外線(IR)カメラは、照明条件や照明条件が悪ければ頑丈である。
既存のUDA手法を改善するためのアルゴリズムメタ学習フレームワークを提案する。
KAISTおよびDSIACデータセットのための最先端熱検出器を作成した。
論文 参考訳(メタデータ) (2021-10-07T02:28:18Z) - SSTN: Self-Supervised Domain Adaptation Thermal Object Detection for
Autonomous Driving [6.810856082577402]
コントラスト学習により可視スペクトル領域と赤外スペクトル領域の情報を最大化するための機能埋め込みを学習するためのディープニューラルネットワークSelf Supervised Thermal Network (SSTN)を提案する。
提案手法は、FLIR-ADASデータセットとKAISTマルチスペクトラルデータセットの2つの公開データセットで広く評価されている。
論文 参考訳(メタデータ) (2021-03-04T16:42:49Z) - A Large-Scale, Time-Synchronized Visible and Thermal Face Dataset [62.193924313292875]
DEVCOM Army Research Laboratory Visible-Thermal Faceデータセット(ARL-VTF)を発表します。
395人の被験者から50万枚以上の画像が得られたARL-VTFデータセットは、これまでで最大の可視画像とサーマルフェイス画像の収集データだ。
本論文では,ALL-VTFデータセットを用いたサーマルフェースランドマーク検出とサーマル・トゥ・ヴィジブルフェース検証のベンチマーク結果と分析について述べる。
論文 参考訳(メタデータ) (2021-01-07T17:17:12Z) - Unsupervised Image-generation Enhanced Adaptation for Object Detection
in Thermal images [4.810743887667828]
本稿では、熱画像における物体検出のための教師なし画像生成拡張適応法を提案する。
可視領域と熱領域のギャップを低減するため,提案手法は擬似熱画像を生成する。
提案手法の有効性と優位性を示す実験を行った。
論文 参考訳(メタデータ) (2020-02-17T04:53:30Z)
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。