論文の概要: Topo-boundary: A Benchmark Dataset on Topological Road-boundary Detection Using Aerial Images for Autonomous Driving

• arxiv url: http://arxiv.org/abs/2103.17119v1
• Date: Wed, 31 Mar 2021 14:42:00 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-01 14:20:16.769248
• Title: Topo-boundary: A Benchmark Dataset on Topological Road-boundary Detection Using Aerial Images for Autonomous Driving
• Title（参考訳）: トポバウンダリ:航空画像を用いたトポロジカルロードバウンダリ検出のためのベンチマークデータセット
• Authors: Zhenhua Xu, Yuxiang Sun, Ming Liu
• Abstract要約: オフライントポロジカル道路境界検出のための新しいベンチマークデータセットであるtextitTopo-boundaryを提案する。 データセットには21,556$1000times 1000$-size 4-channel aerial imageが含まれる。 データセットを用いて,3つのセグメンテーションベースラインと5つのグラフベースラインを実装し,評価する。
• 参考スコア（独自算出の注目度）: 11.576868193291997
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Road-boundary detection is important for autonomous driving. For example, it can be used to constrain vehicles running on road areas, which ensures driving safety. Compared with on-line road-boundary detection using on-vehicle cameras/Lidars, off-line detection using aerial images could alleviate the severe occlusion issue. Moreover, the off-line detection results can be directly used to annotate high-definition (HD) maps. In recent years, deep-learning technologies have been used in off-line detection. But there is still lacking a publicly available dataset for this task, which hinders the research progress in this area. So in this paper, we propose a new benchmark dataset, named \textit{Topo-boundary}, for off-line topological road-boundary detection. The dataset contains 21,556 $1000\times1000$-sized 4-channel aerial images. Each image is provided with 8 training labels for different sub-tasks. We also design a new entropy-based metric for connectivity evaluation, which could better handle noises or outliers. We implement and evaluate 3 segmentation-based baselines and 5 graph-based baselines using the dataset. We also propose a new imitation-learning-based baseline which is enhanced from our previous work. The superiority of our enhancement is demonstrated from the comparison. The dataset and our-implemented codes for the baselines are available at https://sites.google.com/view/topo-boundary.
• Abstract（参考訳）: 道路境界検出は自動運転にとって重要である。 例えば、路上を走る車両を制限するために使用することができ、運転の安全性が保証される。 車載カメラ/ライダーを用いたオンラインの道路境界検出と比較すると、空中画像を用いたオフライン検出は深刻な閉塞問題を緩和する可能性がある。 さらに、オフライン検出結果から直接高精細(HD)マップに注釈を付けることもできる。 近年,オフライン検出にディープラーニング技術が用いられている。 しかし、このタスクの公開データセットがまだ欠けているため、この分野の研究の進展を妨げている。 そこで本稿では,オフライントポロジカル道路境界検出のためのベンチマークデータセットであるtextit{Topo-boundary}を提案する。 データセットには21,556ドルの1000ドル相当の4チャンネルの空中画像が含まれている。 各画像には、異なるサブタスクのための8つのトレーニングラベルが提供される。 接続評価のための新しいエントロピーベースのメトリクスも設計しています。 データセットを用いて,3つのセグメンテーションベースラインと5つのグラフベースラインを実装し,評価する。 また,本研究から拡張した模擬学習ベースラインについても提案する。 比較から、我々の強化の優越性が示される。 ベースラインのデータセットと実装済みコードは、https://sites.google.com/view/topo-boundary.com/で利用可能です。

関連論文リスト

• Leveraging GNSS and Onboard Visual Data from Consumer Vehicles for Robust Road Network Estimation [18.236615392921273]
  本稿では,自動運転車における道路グラフ構築の課題について述べる。 本稿では,これらの標準センサから取得したグローバルナビゲーション衛星システム(GNSS)のトレースと基本画像データについて提案する。 我々は、畳み込みニューラルネットワークを用いて、道路中心のセマンティックセグメンテーションタスクとして問題をフレーミングすることで、データの空間情報を利用する。
  論文  参考訳（メタデータ） (2024-08-03T02:57:37Z)
• Map-aided annotation for pole base detection [0.0]
  本稿では2次元HDマップを用いて,画像中の極状特徴を自動的にアノテートする。 高さ情報がない場合、地図の特徴は地上のポールベースとして表現される。 ポールベースを検出するためにオブジェクト検出器をどのように訓練するかを示す。
  論文  参考訳（メタデータ） (2024-03-04T09:23:11Z)
• Radio Map Estimation -- An Open Dataset with Directive Transmitter Antennas and Initial Experiments [49.61405888107356]
  実世界の現実的な都市地図とオープンなデータソースからの航空画像とともに、シミュレーションされた経路損失無線マップのデータセットをリリースする。 モデルアーキテクチャ,入力特徴設計,航空画像からの無線マップの推定に関する実験を行った。
  論文  参考訳（メタデータ） (2024-01-12T14:56:45Z)
• Building Lane-Level Maps from Aerial Images [9.185929396989083]
  レーン検出のために構築された大規模空中画像データセットを初めて紹介する。 我々はAerialLaneNetと呼ばれる空中画像からベースライン深層学習車線検出手法を開発した。 提案手法は,新たなデータセットの最先端手法と比較して,大幅な改善を実現している。
  論文  参考訳（メタデータ） (2023-12-20T21:58:45Z)
• 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)
• Prior Based Online Lane Graph Extraction from Single Onboard Camera Image [133.68032636906133]
  単眼カメラ画像からレーングラフをオンラインに推定する。 前者は、トランスフォーマーベースのWasserstein Autoencoderを通じてデータセットから抽出される。 オートエンコーダは、最初のレーングラフ推定を強化するために使用される。
  論文  参考訳（メタデータ） (2023-07-25T08:58:26Z)
• HPointLoc: Point-based Indoor Place Recognition using Synthetic RGB-D Images [58.720142291102135]
  本稿では,屋内環境における視覚的位置認識能力の探索を目的とした,HPointLocという新しいデータセットを提案する。 データセットは人気のあるHabitatシミュレータに基づいており、独自のセンサーデータとオープンデータセットの両方を使用して屋内シーンを生成することができる。
  論文  参考訳（メタデータ） (2022-12-30T12:20:56Z)
• TraCon: A novel dataset for real-time traffic cones detection using deep learning [7.759841699582662]
  本研究では,交通円錐の効率的かつ迅速な検出のための解を見つけるために,YOLOv5アルゴリズムを用いる。 YOLOv5はIoUのスコアを91.31%まで高感度で検出できる。
  論文  参考訳（メタデータ） (2022-05-24T06:51:58Z)
• 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)
• RONELD: Robust Neural Network Output Enhancement for Active Lane Detection [1.3965477771846408]
  最近の最先端車線検出アルゴリズムは、畳み込みニューラルネットワーク(CNN)を用いてディープラーニングモデルを訓練している。 アクティブレーン検出(RONELD)のための実時間ロバストニューラルネットワーク出力向上手法を提案する。 RONELDの精度は最大2倍に向上した。
  論文  参考訳（メタデータ） (2020-10-19T14:22:47Z)
• Road Network Metric Learning for Estimated Time of Arrival [93.0759529610483]
  本稿では,ATA(Estimated Time of Arrival)のための道路ネットワークメトリックラーニングフレームワークを提案する。 本研究は,(1)走行時間を予測する主回帰タスク,(2)リンク埋め込みベクトルの品質向上のための補助的計量学習タスクの2つの構成要素から構成される。 提案手法は最先端モデルよりも優れており,その促進は少ないデータでコールドリンクに集中していることを示す。
  論文  参考訳（メタデータ） (2020-06-24T04:45:14Z)

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。