論文の概要: Vehicle Re-ID for Surround-view Camera System
- arxiv url: http://arxiv.org/abs/2006.16503v1
- Date: Tue, 30 Jun 2020 03:25:10 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-15 06:34:33.970771
- Title: Vehicle Re-ID for Surround-view Camera System
- Title（参考訳）: サラウンドビューカメラシステムのための車両リid
- Authors: Zizhang Wu, Man Wang, Lingxiao Yin, Weiwei Sun, Jason Wang, Huangbin
Wu
- Abstract要約: 自動車再識別(ReID)は自律運転の認識システムにおいて重要な役割を担っている。
車両に搭載されたサラウンドビューシステムに対して、既存の完全な解決策はない。
トラッキングボックスのドリフトとターゲットの一貫性のバランスをとるための新しい品質評価機構を提案する。
- 参考スコア（独自算出の注目度）: 8.919111930321206
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The vehicle re-identification (ReID) plays a critical role in the perception
system of autonomous driving, which attracts more and more attention in recent
years. However, to our best knowledge, there is no existing complete solution
for the surround-view system mounted on the vehicle. In this paper, we argue
two main challenges in above scenario: i) In single camera view, it is
difficult to recognize the same vehicle from the past image frames due to the
fisheye distortion, occlusion, truncation, etc. ii) In multi-camera view, the
appearance of the same vehicle varies greatly from different camera's
viewpoints. Thus, we present an integral vehicle Re-ID solution to address
these problems. Specifically, we propose a novel quality evaluation mechanism
to balance the effect of tracking box's drift and target's consistency.
Besides, we take advantage of the Re-ID network based on attention mechanism,
then combined with a spatial constraint strategy to further boost the
performance between different cameras. The experiments demonstrate that our
solution achieves state-of-the-art accuracy while being real-time in practice.
Besides, we will release the code and annotated fisheye dataset for the benefit
of community.
- Abstract（参考訳）: 自動車再識別(ReID)は、近年ますます注目を集めている自動運転の認識システムにおいて重要な役割を担っている。
しかし、我々の知る限りでは、車両に搭載されたサラウンドビューシステムの完全なソリューションは存在しない。
本稿では、上記のシナリオにおける2つの主な課題について論じる。
一 単一カメラビューにおいて、魚眼の歪み、閉塞、脱落等により、過去の画像フレームから同一の車両を認識することは困難である。
二 マルチカメラの視点において、同一の車両の外観は、異なるカメラの視点から大きく異なる。
そこで本研究では,これらの問題に対処する統合車両Re-IDソリューションを提案する。
具体的には,追跡ボックスのドリフトとターゲットの一貫性をバランスさせる新しい品質評価機構を提案する。
さらに,注意機構に基づくre-idネットワークを活用し,空間制約戦略と組み合わせることで,カメラ間の性能をさらに向上させる。
実験の結果,本手法は実時間で最先端の精度を実現することができた。
さらに、コミュニティの利益のためにコードと注釈付き魚眼データセットをリリースします。
関連論文リスト
- Vision-based Vehicle Re-identification in Bridge Scenario using Flock
Similarity [4.395839823503292]
車両の再識別(英: vehicle re-identification)とは、あるカメラの下に別のカメラに現れる車両を見つけることを指す。
車両の外観データには、高いクラス間類似性と大きなクラス内差異の特徴がある。
そこで本研究では,フロック類似性に基づく車両再識別手法を提案し,車両再識別の精度を向上する。
論文 参考訳（メタデータ） (2024-03-12T15:39:56Z) - SDGE: Stereo Guided Depth Estimation for 360$^\circ$ Camera Sets [65.64958606221069]
マルチカメラシステムは、360ドル周の知覚を達成するために、しばしば自律走行に使用される。
360ドル(約3万3000円)のカメラセットは、しばしば制限または低品質のオーバーラップ領域を持ち、画像全体に対してマルチビューステレオメソッドを実現する。
重なりの重なりに多視点ステレオ結果を明示的に利用することにより、全画像の深さ推定を強化するステレオガイド深度推定法(SGDE)を提案する。
論文 参考訳（メタデータ） (2024-02-19T02:41:37Z) - Multi-query Vehicle Re-identification: Viewpoint-conditioned Network,
Unified Dataset and New Metric [30.344288906037345]
マルチクエリー車両Re-IDと呼ばれる,より現実的でアクセスしやすいタスクを提案する。
我々は、異なる車両視点からの補完情報を適応的に組み合わせた、新しい視点条件付きネットワーク(VCNet)を設計する。
次に、実生活の交通監視システムから6142台のカメラで撮影された、統一されたベンチマークデータセットを作成します。
第3に,クロスシーン認識能力を測定する平均クロスシーン精度(mCSP)と呼ばれる新しい評価指標を設計する。
論文 参考訳（メタデータ） (2023-05-25T06:22:03Z) - Camera-Radar Perception for Autonomous Vehicles and ADAS: Concepts,
Datasets and Metrics [77.34726150561087]
本研究の目的は、ADASおよび自動運転車のカメラおよびレーダーによる認識の現在のシナリオに関する研究を行うことである。
両センサと融合に関する概念と特徴を提示する。
本稿では、ディープラーニングに基づく検出とセグメンテーションタスクの概要と、車両の認識における主要なデータセット、メトリクス、課題、オープンな質問について説明する。
論文 参考訳（メタデータ） (2023-03-08T00:48:32Z) - Complete Solution for Vehicle Re-ID in Surround-view Camera System [10.10765191655754]
自動車再識別(Re-ID)は自律運転認識システムにおいて重要な要素である。
魚眼カメラのユニークな構成のため、多くの写真フレームで同じ車両を識別することは困難である。
我々の手法は、最先端の精度とリアルタイムのパフォーマンスを組み合わせたものである。
論文 参考訳（メタデータ） (2022-12-08T07:52:55Z) - Scalable and Real-time Multi-Camera Vehicle Detection,
Re-Identification, and Tracking [58.95210121654722]
理想化されたビデオストリームやキュレートされたビデオストリームの代わりに,リアルタイムで低解像度のCCTVを処理する,リアルタイムな都市規模のマルチカメラ車両追跡システムを提案する。
私たちの手法は、公共のリーダーボードで上位5人のパフォーマーにランク付けされています。
論文 参考訳（メタデータ） (2022-04-15T12:47:01Z) - SurroundDepth: Entangling Surrounding Views for Self-Supervised
Multi-Camera Depth Estimation [101.55622133406446]
本研究では,複数の周囲からの情報を組み込んだSurroundDepth法を提案し,カメラ間の深度マップの予測を行う。
具体的には、周囲のすべてのビューを処理し、複数のビューから情報を効果的に融合するクロスビュー変換器を提案する。
実験において,本手法は,挑戦的なマルチカメラ深度推定データセット上での最先端性能を実現する。
論文 参考訳（メタデータ） (2022-04-07T17:58:47Z) - Trends in Vehicle Re-identification Past, Present, and Future: A
Comprehensive Review [2.9093633827040724]
車両リアイドは、複数のカメラネットワークビューでターゲット車両オーバーオーバーラップビューにマッチします。
本稿では,各種車両のre-id技術,手法,データセット,および各種方法論の比較を包括的に記述する。
論文 参考訳（メタデータ） (2021-02-19T05:02:24Z) - Viewpoint-Aware Channel-Wise Attentive Network for Vehicle
Re-Identification [30.797140440568455]
車両の再識別(re-ID)は、異なるカメラで同じ車両の画像と一致する。
なぜなら、異なる視点によって劇的に異なる外観が、フレームワークを同一の同一性の2つの車両にマッチさせるのに失敗するからである。
本稿では,異なる視点から注目機構を観察し,視点認識型チャネルワイドアテンション機構(VCAM)を提案する。
論文 参考訳（メタデータ） (2020-10-12T16:05:41Z) - The Devil is in the Details: Self-Supervised Attention for Vehicle
Re-Identification [75.3310894042132]
車両識別のための自己監督的注意(SAVER)は、車両固有の識別特徴を効果的に学習するための新しいアプローチである。
我々は,SAVERがVeRi, VehicleID, Vehicle-1M, VERI-Wildのデータセットに挑戦する際の最先端性を改善することを示す。
論文 参考訳（メタデータ） (2020-04-14T02:24:47Z) - Parsing-based View-aware Embedding Network for Vehicle Re-Identification [138.11983486734576]
本稿では,車載ReIDのビューアウェア機能アライメントと拡張を実現するために,解析に基づくPVEN(View-Aware Embedding Network)を提案する。
3つのデータセットで行った実験により、我々のモデルは最先端の手法よりも大きなマージンで優れていることが示された。
論文 参考訳（メタデータ） (2020-04-10T13:06:09Z)
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。