論文の概要: Corner Cases for Visual Perception in Automated Driving: Some Guidance
on Detection Approaches
- arxiv url: http://arxiv.org/abs/2102.05897v1
- Date: Thu, 11 Feb 2021 09:06:13 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-12 14:15:22.606707
- Title: Corner Cases for Visual Perception in Automated Driving: Some Guidance
on Detection Approaches
- Title（参考訳）: 自動運転における視覚知覚のコーナーケース--検出アプローチに関するガイダンス
- Authors: Jasmin Breitenstein and Jan-Aike Term\"ohlen and Daniel Lipinski and
Tim Fingscheidt
- Abstract要約: コーナーケースは、運転中に発生する予期せぬ、未知の状況である。
検出は非常に安全であり、大量の収集データに適用して適切なトレーニングデータを選択することができる。
本研究では,各レベルの例を拡張して,異なるレベルにおけるコーナーケースの事前の体系化を継続する。
- 参考スコア（独自算出の注目度）: 25.17917252608398
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automated driving has become a major topic of interest not only in the active
research community but also in mainstream media reports. Visual perception of
such intelligent vehicles has experienced large progress in the last decade
thanks to advances in deep learning techniques but some challenges still
remain. One such challenge is the detection of corner cases. They are
unexpected and unknown situations that occur while driving. Conventional visual
perception methods are often not able to detect them because corner cases have
not been witnessed during training. Hence, their detection is highly
safety-critical, and detection methods can be applied to vast amounts of
collected data to select suitable training data. A reliable detection of corner
cases will not only further automate the data selection procedure and increase
safety in autonomous driving but can thereby also affect the public acceptance
of the new technology in a positive manner. In this work, we continue a
previous systematization of corner cases on different levels by an extended set
of examples for each level. Moreover, we group detection approaches into
different categories and link them with the corner case levels. Hence, we give
directions to showcase specific corner cases and basic guidelines on how to
technically detect them.
- Abstract（参考訳）: 自動運転は、アクティブな研究コミュニティだけでなく、主流メディアのレポートでも大きな関心を集めている。
このようなインテリジェントな車両の視覚的認識は、ディープラーニング技術の進歩によって過去10年間に大きく進歩してきたが、いくつかの課題はまだ残っている。
そのような課題の1つは、コーナーケースの検出です。
運転中に起こる予期せぬ、未知の状況である。
従来の視覚認識方法は、トレーニング中にコーナーケースが目撃されていないため、検出できないことが多い。
したがって、その検出は極めて安全であり、大量の収集データに適用して適切なトレーニングデータを選択することができる。
コーナーケースの信頼性の高い検出は、さらにデータ選択手順を自動化し、自動運転の安全性を高めるだけでなく、新しい技術が公衆に肯定的に受け入れられることにも影響を与える。
本研究では,各レベルの例を拡張して,異なるレベルにおけるコーナーケースの事前の体系化を継続する。
さらに,検出アプローチを異なるカテゴリにグループ化し,コーナーケースレベルとリンクする。
したがって、技術的に検出する方法に関する特定のコーナーケースと基本的なガイドラインを示すための指示を提供します。
関連論文リスト
- Monocular Lane Detection Based on Deep Learning: A Survey [51.19079381823076]
車線検出は自律運転認識システムにおいて重要な役割を果たす。
ディープラーニングアルゴリズムが普及するにつれて、ディープラーニングに基づく単眼車線検出手法が優れた性能を示した。
本稿では, 成熟度の高い2次元車線検出手法と開発途上国の3次元車線検出技術の両方を網羅して, 既存手法の概要を概説する。
論文 参考訳（メタデータ） (2024-11-25T12:09:43Z) - Robust Pedestrian Detection via Constructing Versatile Pedestrian Knowledge Bank [51.66174565170112]
本稿では,多目的な歩行者知識銀行を構築するための新しいアプローチを提案する。
我々は大規模な事前訓練モデルから歩行者の知識を抽出する。
次に、ほとんどの代表的特徴を定量化し、背景のシーンと区別できるように指導することで、それらをキュレートする。
論文 参考訳（メタデータ） (2024-04-30T07:01:05Z) - Unsupervised Domain Adaptation for Self-Driving from Past Traversal
Features [69.47588461101925]
本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。
提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。
実世界のデータセットの実験では、大幅な改善が示されている。
論文 参考訳（メタデータ） (2023-09-21T15:00:31Z) - Multimodal Detection of Unknown Objects on Roads for Autonomous Driving [4.3310896118860445]
未知の物体を検出する新しいパイプラインを提案する。
我々は,最先端の美術品検出モデルを逐次的に組み合わせることで,ライダーとカメラのデータを利用する。
論文 参考訳（メタデータ） (2022-05-03T10:58:41Z) - CODA: A Real-World Road Corner Case Dataset for Object Detection in
Autonomous Driving [117.87070488537334]
我々は、ビジョンベース検出器のこの重要な問題を露呈する、CODAという挑戦的なデータセットを導入する。
大規模自動運転データセットで訓練された標準物体検出器の性能は、mARの12.8%以下に著しく低下した。
我々は最先端のオープンワールドオブジェクト検出器を実験し、CODAの新しいオブジェクトを確実に識別できないことを発見した。
論文 参考訳（メタデータ） (2022-03-15T08:32:56Z) - A-Eye: Driving with the Eyes of AI for Corner Case Generation [0.6445605125467573]
この作業の全体的な目標は、いわゆるコーナーケースによる自動運転のためのトレーニングデータを強化することだ。
本稿では,人為的ループ手法を用いて合成コーナーケースを生成するテストリグの設計について述べる。
論文 参考訳（メタデータ） (2022-02-22T10:42:23Z) - 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 Application-Driven Conceptualization of Corner Cases for Perception
in Highly Automated Driving [21.67019631065338]
高度に自動化された運転において、コーナーケースのアプリケーション駆動ビューを提供する。
RADARとLiDARを追加することで、コーナーケースの既存のカメラフォーカスのシステム化を拡張します。
データ取得と処理のための模範的なツールチェーンについて説明する。
論文 参考訳（メタデータ） (2021-03-05T13:56:37Z) - Corner Case Generation and Analysis for Safety Assessment of Autonomous
Vehicles [3.673699859949693]
意思決定システムのための一貫した枠組みが提案されている。
背景車両の挙動を学習するために, 深部強化学習技術を適用した。
学習されたポリシーでは、BVはより積極的にCAVと対話し、より多くのコーナーケースをもたらす。
論文 参考訳（メタデータ） (2021-02-06T02:48:23Z) - Increasing the Confidence of Deep Neural Networks by Coverage Analysis [71.57324258813674]
本稿では、異なる安全でない入力に対してモデルを強化するために、カバレッジパラダイムに基づく軽量な監視アーキテクチャを提案する。
実験結果から,提案手法は強力な対向例とアウト・オブ・ディストリビューション・インプットの両方を検出するのに有効であることが示唆された。
論文 参考訳（メタデータ） (2021-01-28T16:38:26Z)
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。