論文の概要: Raindrops on Windshield: Dataset and Lightweight Gradient-Based
Detection Algorithm
- arxiv url: http://arxiv.org/abs/2104.05078v1
- Date: Sun, 11 Apr 2021 19:04:59 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-14 06:49:13.104890
- Title: Raindrops on Windshield: Dataset and Lightweight Gradient-Based
Detection Algorithm
- Title（参考訳）: ウィンドシールドの雨滴:データセットと軽量勾配検出アルゴリズム
- Authors: Vera Soboleva, Oleg Shipitko
- Abstract要約: 本稿では,視覚アルゴリズムの性能をトレーニングし,カメラレンズやフロントガラスのイメージアーティファクト検出の異なるタスクに対して評価するための新しいデータセットを提案する。
また,画像上に合成雨滴を生成可能なデータ拡張アルゴリズムを提案する。
提案アルゴリズムは降雨量検出の精度と画像処理速度を向上し,実際の自律システムの自己検査手法に適用できることを示した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Autonomous vehicles use cameras as one of the primary sources of information
about the environment. Adverse weather conditions such as raindrops, snow, mud,
and others, can lead to various image artifacts. Such artifacts significantly
degrade the quality and reliability of the obtained visual data and can lead to
accidents if they are not detected in time. This paper presents ongoing work on
a new dataset for training and assessing vision algorithms' performance for
different tasks of image artifacts detection on either camera lens or
windshield. At the moment, we present a publicly available set of images
containing $8190$ images, of which $3390$ contain raindrops. Images are
annotated with the binary mask representing areas with raindrops. We
demonstrate the applicability of the dataset in the problems of raindrops
presence detection and raindrop region segmentation. To augment the data, we
also propose an algorithm for data augmentation which allows the generation of
synthetic raindrops on images. Apart from the dataset, we present a novel
gradient-based algorithm for raindrop presence detection in a video sequence.
The experimental evaluation proves that the algorithm reliably detects
raindrops. Moreover, compared with the state-of-the-art cross-correlation-based
algorithm \cite{Einecke2014}, the proposed algorithm showed a higher quality of
raindrop presence detection and image processing speed, making it applicable
for the self-check procedure of real autonomous systems. The dataset is
available at
\href{https://github.com/EvoCargo/RaindropsOnWindshield}{$github.com/EvoCargo/RaindropsOnWindshield$}.
- Abstract（参考訳）: 自動運転車は、カメラを環境に関する主要な情報源の1つとして使っている。
雨滴、雪、泥などの逆の気象条件は、様々なイメージアーティファクトにつながる可能性がある。
このような成果物は得られた視覚データの質と信頼性を著しく低下させ、時間内に検出されないと事故を引き起こす可能性がある。
本稿では,視覚アルゴリズムの性能をトレーニングし評価するための新しいデータセットについて,カメラレンズとフロントガラスのいずれにおいても画像アーティファクト検出の異なるタスクについて検討する。
現在公開されている画像には890ドルの画像が含まれており、そのうち390ドルの画像には雨滴が含まれている。
画像は、雨滴のある領域を表すバイナリマスクで注釈付けされる。
雨滴の存在検知と雨滴領域のセグメンテーションの問題におけるデータセットの適用性を示す。
また,画像上に合成雨滴を生成可能なデータ拡張アルゴリズムを提案する。
このデータセットとは別に,映像列における雨滴検出のための勾配に基づく新しいアルゴリズムを提案する。
実験の結果,雨滴を確実に検出できることがわかった。
さらに,最先端の相互相関に基づくアルゴリズムである \cite{einecke2014} と比較して,雨滴検出と画像処理速度が向上し,実自律システムの自己チェック手順に適用できることを示した。
データセットは \href{https://github.com/EvoCargo/RaindropsOnWindshield}{$github.com/EvoCargo/RaindropsOnWindshield$} で公開されている。
関連論文リスト
- NiteDR: Nighttime Image De-Raining with Cross-View Sensor Cooperative Learning for Dynamic Driving Scenes [49.92839157944134]
夜間の運転シーンでは、不十分で不均一な照明が暗闇の中でシーンを遮蔽し、画質と可視性が低下する。
雨天時の運転シーンに適した画像デライニング・フレームワークを開発した。
雨の人工物を取り除き、風景表現を豊かにし、有用な情報を復元することを目的としている。
論文 参考訳（メタデータ） (2024-02-28T09:02:33Z) - UAV-Rain1k: A Benchmark for Raindrop Removal from UAV Aerial Imagery [18.97379943624394]
UAVのレンズに付着した雨滴は、背景の視認性を阻害し、画質を低下させる。
まず,UAV画像から雨滴を除去するUAV-Rain1kというベンチマークデータセットを構築した。
論文 参考訳（メタデータ） (2024-02-08T16:00:25Z) - Semantic Segmentation of Radar Detections using Convolutions on Point
Clouds [59.45414406974091]
本稿では,レーダ検出を点雲に展開する深層学習手法を提案する。
このアルゴリズムは、距離依存クラスタリングと入力点雲の事前処理により、レーダ固有の特性に適応する。
我々のネットワークは、レーダポイント雲のセマンティックセグメンテーションのタスクにおいて、PointNet++に基づく最先端のアプローチよりも優れています。
論文 参考訳（メタデータ） (2023-05-22T07:09:35Z) - Single Image Deraining via Feature-based Deep Convolutional Neural
Network [13.39233717329633]
データ駆動型アプローチとモデルベースアプローチを組み合わせた,単一画像デラミニングアルゴリズムを提案する。
実験の結果,提案アルゴリズムは質的,定量的両面で最先端の手法よりも優れていることがわかった。
論文 参考訳（メタデータ） (2023-05-03T13:12:51Z) - Potential Auto-driving Threat: Universal Rain-removal Attack [4.295658028319317]
本稿では,画像雨量除去アルゴリズムの脆弱性に対する共通雨量除去攻撃(URA)を提案する。
URAはシーン修復能力を39.5%削減し、画像生成品質を26.4%削減した。
URAは、画像雨除去アルゴリズムの脆弱性検出にとって重要なツールであると考えられる。
論文 参考訳（メタデータ） (2022-11-18T00:35:05Z) - Toward Real-world Single Image Deraining: A New Benchmark and Beyond [79.5893880599847]
現実シナリオにおけるSID(Single Image deraining)は近年注目されている。
以前の実際のデータセットは、低解像度の画像、均一な雨のストリーク、背景の変化の制限、イメージペアの誤調整に悩まされていた。
我々はRealRain-1kという新しい高品質のデータセットを構築した。
論文 参考訳（メタデータ） (2022-06-11T12:26:59Z) - RCDNet: An Interpretable Rain Convolutional Dictionary Network for
Single Image Deraining [49.99207211126791]
雨畳み込み辞書ネットワーク(RCDNet)と呼ばれる,新しい深層アーキテクチャを具体的に構築する。
RCDNetは雨害の本質的な先行を埋め込んでおり、明確な解釈性を持っている。
このような解釈可能なネットワークをエンドツーエンドにトレーニングすることにより、関連するすべてのレインカーネルと近位演算子を自動的に抽出することができる。
論文 参考訳（メタデータ） (2021-07-14T16:08:11Z) - DAWN: Vehicle Detection in Adverse Weather Nature Dataset [4.09920839425892]
本研究では,DAWNと呼ばれる各種気象条件下で収集した実世界の画像からなる新しいデータセットを提案する。
このデータセットは、実際の交通環境から1000枚の画像を集め、霧、雪、雨、砂嵐の4つの天候条件に分けられる。
このデータは,車両検知システムの性能に及ぼす悪天候の影響の解明に有効である。
論文 参考訳（メタデータ） (2020-08-12T15:48:49Z) - Conditional Variational Image Deraining [158.76814157115223]
キャラクタリゼーション性能向上のための条件変分画像レイニング(CVID)ネットワーク
本研究では,各画像の降雨密度マップを推定するための空間密度推定(SDE)モジュールを提案する。
合成および実世界のデータセットを用いた実験により,提案したCVIDネットワークは,画像のデライニングにおける従来の決定論的手法よりもはるかに優れた性能が得られることが示された。
論文 参考訳（メタデータ） (2020-04-23T11:51:38Z) - Multi-Scale Progressive Fusion Network for Single Image Deraining [84.0466298828417]
空気中の雨のストリークは、位置からカメラまでの距離が異なるため、様々なぼやけた度合いや解像度で現れる。
同様の降雨パターンは、雨像やマルチスケール(またはマルチレゾリューション)バージョンで見ることができる。
本研究では,入力画像のスケールと階層的な深部特徴の観点から,雨天のマルチスケール協調表現について検討する。
論文 参考訳（メタデータ） (2020-03-24T17:22:37Z) - Rainy screens: Collecting rainy datasets, indoors [19.71705192452036]
本稿では,既存の地中構造画像から多彩な降雨画像を生成するための簡易な手法を提案する。
この設定により、既存のデータセットの多様性をタスク基底データで活用できます。
都市景観とBDDに基づく降雨量と降雨量と実際の付着液滴を用いた降雨画像を生成し,デライニングモデルを訓練する。
論文 参考訳（メタデータ） (2020-03-10T13:57:37Z)
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。