論文の概要: Pillar-based Object Detection for Autonomous Driving

• arxiv url: http://arxiv.org/abs/2007.10323v2
• Date: Sun, 26 Jul 2020 21:13:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-08 13:32:15.217471
• Title: Pillar-based Object Detection for Autonomous Driving
• Title（参考訳）: ピラーに基づく自律走行物体検出
• Authors: Yue Wang, Alireza Fathi, Abhijit Kundu, David Ross, Caroline Pantofaru, Thomas Funkhouser, Justin Solomon
• Abstract要約: 本稿では,自律運転に最適化されたシンプルで柔軟な物体検出フレームワークを提案する。 このアプリケーションにおける点雲は極めて希少であるという観測に基づいて,アンカーによる問題を修正するための実践的な柱ベースのアプローチを提案する。 提案アルゴリズムは,多視点特徴学習に円筒射影を組み込み,各点毎やアンカー毎ではなく,各柱毎のバウンディングボックスパラメータを予測し,最終的な予測を改善するためにピラーツーポイント射影モジュールをアライメントする。
• 参考スコア（独自算出の注目度）: 33.021347169775474
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a simple and flexible object detection framework optimized for autonomous driving. Building on the observation that point clouds in this application are extremely sparse, we propose a practical pillar-based approach to fix the imbalance issue caused by anchors. In particular, our algorithm incorporates a cylindrical projection into multi-view feature learning, predicts bounding box parameters per pillar rather than per point or per anchor, and includes an aligned pillar-to-point projection module to improve the final prediction. Our anchor-free approach avoids hyperparameter search associated with past methods, simplifying 3D object detection while significantly improving upon state-of-the-art.
• Abstract（参考訳）: 自律運転に最適化されたシンプルで柔軟な物体検出フレームワークを提案する。 このアプリケーションにおける点雲は極めて疎いという観測に基づいて,アンカーによる不均衡問題を修正するための実践的な柱ベースのアプローチを提案する。 特に,本アルゴリズムは,多視点特徴学習に円筒射影を組み込み,各点当たりやアンカーあたりではなく,各柱ごとの境界ボックスパラメータを予測し,最終的な予測を改善するための柱対点射影モジュールを含む。 アンカーフリーアプローチは,過去の手法に関連したハイパーパラメータ探索を回避し,最先端の処理を著しく改善しながら3dオブジェクト検出を簡素化する。

関連論文リスト

• Structure Tensor Representation for Robust Oriented Object Detection [15.991918116818807]
  オブジェクト指向オブジェクト検出は、オブジェクトの位置とバウンディングボックスに加えて、向きを予測する。 正確な方向予測は、角周期性のため難しいままである。 本稿では,配向境界箱の向きを構造テンソルとして表現することを提案する。
  論文  参考訳（メタデータ） (2024-11-15T09:29:47Z)
• End-to-End 3D Object Detection using LiDAR Point Cloud [0.0]
  本稿では,LiDAR点雲の新たなエンコーディングを用いて,自律走行車に近いクラスの位置を推定する手法を提案する。 出力は、シーン内のオブジェクトの位置と向きを3D境界ボックスとシーンオブジェクトのラベルで予測する。
  論文  参考訳（メタデータ） (2023-12-24T00:52:14Z)
• LEF: Late-to-Early Temporal Fusion for LiDAR 3D Object Detection [40.267769862404684]
  時間的LiDAR点雲を用いた3次元物体検出のための特徴融合手法を提案する。 私たちの主な動機は、3Dオブジェクト検出器の初期段階にオブジェクト認識の潜伏埋め込みを融合させることです。
  論文  参考訳（メタデータ） (2023-09-28T21:58:25Z)
• Dynamic Tiling: A Model-Agnostic, Adaptive, Scalable, and Inference-Data-Centric Approach for Efficient and Accurate Small Object Detection [3.8332251841430423]
  Dynamic Tilingは、小さなオブジェクト検出のためのモデルに依存しない、適応的でスケーラブルなアプローチである。 本手法は, フラグメントオブジェクトを効果的に解決し, 検出精度を向上し, 計算オーバーヘッドを最小限に抑える。 全体として、Dynamic Tilingは既存のモデルに依存しない一様収穫法よりも優れている。
  論文  参考訳（メタデータ） (2023-09-20T05:25:12Z)
• Small Object Detection via Coarse-to-fine Proposal Generation and Imitation Learning [52.06176253457522]
  本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。 CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
  論文  参考訳（メタデータ） (2023-08-18T13:13:09Z)
• Improving Online Lane Graph Extraction by Object-Lane Clustering [106.71926896061686]
  本稿では,局所レーングラフの推定精度を向上させるために,アーキテクチャと損失の定式化を提案する。 提案手法は,中心線をクラスタ中心とすることで,対象を中心線に割り当てることを学ぶ。 提案手法は既存の3次元オブジェクト検出手法の出力を用いて,大幅な性能向上を実現することができることを示す。
  論文  参考訳（メタデータ） (2023-07-20T15:21:28Z)
• DAFNe: A One-Stage Anchor-Free Deep Model for Oriented Object Detection [16.21161769128316]
  DAFNe: オブジェクト指向物体検出のためのワンステージアンカーフリーディープネットワークを提案する。 アンカーフリーモデルとして、DAFNeはバウンディングボックスアンカーの使用を控えることで予測複雑性を低減する。 低品質な予測に対する任意指向の有界箱に対する中心性関数の指向性を考慮した一般化を提案する。
  論文  参考訳（メタデータ） (2021-09-13T17:37:20Z)
• InfoFocus: 3D Object Detection for Autonomous Driving with Dynamic Information Modeling [65.47126868838836]
  動的情報モデリングを用いた新しい3次元オブジェクト検出フレームワークを提案する。 粗い予測は、ボクセルベースの領域提案ネットワークを介して第1段階で生成される。 大規模なnuScenes 3D検出ベンチマークで実験を行った。
  論文  参考訳（メタデータ） (2020-07-16T18:27:08Z)
• On the Arbitrary-Oriented Object Detection: Classification based Approaches Revisited [94.5455251250471]
  まず,既存の回帰型回転検出器が抱える境界問題は,角周期性や角秩序によって引き起こされることを示した。 我々は、角予測タスクを回帰問題から分類問題に変換する。 得られた円形分布角分類問題に対して、まず、角度の周期性に対処し、隣り合う角度に対する誤差耐性を高めるために、円スムースラベル法を考案する。
  論文  参考訳（メタデータ） (2020-03-12T03:23:54Z)
• Robust 6D Object Pose Estimation by Learning RGB-D Features [59.580366107770764]
  本稿では、この局所最適問題を解くために、回転回帰のための離散連続的な新しい定式化を提案する。 我々はSO(3)の回転アンカーを均一にサンプリングし、各アンカーから目標への制約付き偏差を予測し、最適な予測を選択するための不確実性スコアを出力する。 LINEMOD と YCB-Video の2つのベンチマーク実験により,提案手法が最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2020-02-29T06:24:55Z)
• Road Curb Detection and Localization with Monocular Forward-view Vehicle Camera [74.45649274085447]
  魚眼レンズを装着した校正単眼カメラを用いて3Dパラメータを推定するロバストな手法を提案する。 我々のアプローチでは、車両が90%以上の精度で、リアルタイムで距離を抑えることができる。
  論文  参考訳（メタデータ） (2020-02-28T00:24:18Z)

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。