論文の概要: SwiftLane: Towards Fast and Efficient Lane Detection

• arxiv url: http://arxiv.org/abs/2110.11779v1
• Date: Fri, 22 Oct 2021 13:35:05 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-25 15:39:06.717841
• Title: SwiftLane: Towards Fast and Efficient Lane Detection
• Title（参考訳）: SwiftLane: 高速かつ効率的なレーン検出を目指す
• Authors: Oshada Jayasinghe, Damith Anhettigama, Sahan Hemachandra, Shenali Kariyawasam, Ranga Rodrigo, Peshala Jayasekara
• Abstract要約: 我々は、軽量でエンドツーエンドのディープラーニングベースのフレームワークであるSwiftLaneと、高速かつ効率的なレーン検出のための行単位の分類定式化を提案する。 提案手法は1秒あたり411フレームの推論速度を実現し,CULaneベンチマークデータセットの精度で比較結果を実現した。
• 参考スコア（独自算出の注目度）: 0.8972186395640678
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent work done on lane detection has been able to detect lanes accurately in complex scenarios, yet many fail to deliver real-time performance specifically with limited computational resources. In this work, we propose SwiftLane: a simple and light-weight, end-to-end deep learning based framework, coupled with the row-wise classification formulation for fast and efficient lane detection. This framework is supplemented with a false positive suppression algorithm and a curve fitting technique to further increase the accuracy. Our method achieves an inference speed of 411 frames per second, surpassing state-of-the-art in terms of speed while achieving comparable results in terms of accuracy on the popular CULane benchmark dataset. In addition, our proposed framework together with TensorRT optimization facilitates real-time lane detection on a Nvidia Jetson AGX Xavier as an embedded system while achieving a high inference speed of 56 frames per second.
• Abstract（参考訳）: 最近の車線検出の研究は複雑なシナリオで車線を正確に検出することに成功したが、多くの人は限られた計算資源でリアルタイムのパフォーマンスを達成できなかった。 本稿では,簡易で軽量でエンドツーエンドなディープラーニングベースのフレームワークであるswiftlaneと,高速かつ効率的なレーン検出のための行単位での分類定式化を提案する。 この枠組みには偽陽性抑制アルゴリズムと曲線フィッティング技術が補足され、精度がさらに向上する。 提案手法は,毎秒411フレームの推論速度を達成し,速度の面では最先端を上回り,人気のあるculaneベンチマークデータセットでは同等の精度を達成している。 さらに,提案フレームワークとtensorrt最適化により,nvidia jetson agx xavierを組込みシステムとしてリアルタイムレーン検出が容易となり,高い推算速度を毎秒56フレームとした。

関連論文リスト

• Faster WIND: Accelerating Iterative Best-of-$N$ Distillation for LLM Alignment [81.84950252537618]
  本稿では,反復的BONDと自己プレイアライメントの統一的なゲーム理論接続を明らかにする。 WINレート支配(WIN rate Dominance, WIND)という新しいフレームワークを構築し, 正規化利率支配最適化のためのアルゴリズムを多数提案する。
  論文  参考訳（メタデータ） (2024-10-28T04:47:39Z)
• Sketch and Refine: Towards Fast and Accurate Lane Detection [69.63287721343907]
  レーン検出は、現実世界のシナリオの複雑さのため、困難なタスクである。 提案ベースであれキーポイントベースであれ,既存のアプローチでは,車線を効果的かつ効率的に表現することができない。 本稿では,キーポイント法と提案法の両方のメリットを活かした"Sketch-and-Refine"パラダイムを提案する。 実験の結果、我々のSRLaneは高速(278 FPS)で走ることができ、F1スコアは78.9%であることがわかった。
  論文  参考訳（メタデータ） (2024-01-26T09:28:14Z)
• Edge-Enabled Real-time Railway Track Segmentation [0.0]
  エッジ対応鉄道線路分割アルゴリズムを提案する。 ネットワーク構造を最適化し、トレーニング後のモデルを定量化することで、エッジアプリケーションに適したように最適化されている。 実験結果から,提案アルゴリズムの精度は83.3%であった。
  論文  参考訳（メタデータ） (2024-01-21T13:45:52Z)
• Correlating sparse sensing for large-scale traffic speed estimation: A Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
  本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。 次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2022-10-21T07:25:57Z)
• NSNet: Non-saliency Suppression Sampler for Efficient Video Recognition [89.84188594758588]
  非定常フレームの応答を抑制するために, NSNet(Non-Sliency Suppression Network)を提案する。 NSNetは最先端の精度効率トレードオフを実現し、最先端の手法よりもはるかに高速な2.44.3xの実用的な推論速度を示す。
  論文  参考訳（メタデータ） (2022-07-21T09:41:22Z)
• Fast and Data Efficient Reinforcement Learning from Pixels via Non-Parametric Value Approximation [90.78178803486746]
  離散動作,画素ベース環境のための強化学習アルゴリズムであるNonparametric Approximation of Inter-Trace Return (NAIT)を提案する。 ATARI100kの26ゲーム版と57ゲーム版の両方においてNAITを実証的に評価した。
  論文  参考訳（メタデータ） (2022-03-07T00:31:31Z)
• CondLaneNet: a Top-to-down Lane Detection Framework Based on Conditional Convolution [39.62595444015094]
  トップツーダウンのレーン検出フレームワークであるCondLaneNetを提案する。 また,条件付き畳み込みと行毎の定式化に基づく条件付きレーン検出戦略を提案する。 3つのベンチマークデータセットで最新のパフォーマンスを実現します。
  論文  参考訳（メタデータ） (2021-05-11T13:10:34Z)
• A Unified Light Framework for Real-time Fault Detection of Freight Train Images [16.721758280029302]
  貨物列車のリアルタイム故障検出は、鉄道輸送の安全と最適運転を保証する上で重要な役割を担っている。 深層学習に基づくアプローチの有望な結果にもかかわらず、貨物列車画像におけるこれらの断層検出器の性能は精度と効率の両立には程遠い。 本稿では,リソース要求の少ないリアルタイム動作をサポートしながら,検出精度を向上させるための統一光フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-01-31T05:10:20Z)
• Ultra Fast Structure-aware Deep Lane Detection [15.738757958826998]
  極めて高速かつ挑戦的なシナリオを対象とした,新しい,シンプルで効果的な定式化を提案する。 路面検出の過程を,グローバルな特徴を用いた行選択問題として扱う。 提案手法は,速度と精度の両面で最先端の性能を実現することができる。
  論文  参考訳（メタデータ） (2020-04-24T13:58:49Z)
• FastForest: Increasing Random Forest Processing Speed While Maintaining Accuracy [2.6118176084782836]
  提案したFastForestアルゴリズムは,ランダムフォレストと比較して処理速度が平均24%向上する。 それは45のデータセットを含むテストよりも、分類の精度で維持する(そしてしばしば超える)。 Subbaggingサイズに関する詳細なテストでは、処理性能と精度の正の混合を提供する最適なスカラーが見つかった。
  論文  参考訳（メタデータ） (2020-04-06T06:37:03Z)
• ABCNet: Real-time Scene Text Spotting with Adaptive Bezier-Curve Network [108.07304516679103]
  本稿では,シーンテキストの検出と認識のための適応ベジエ・サーブネットワーク(ABCNet)を提案する。 まず,パラメータ化ベジエ曲線を用いて任意の形状のテキストに適応的に適合する。 標準的なバウンディングボックス検出と比較して、ベジエ曲線検出は無視可能なオーバーヘッドを導入し、効率と精度の両方において本手法の優位性をもたらす。
  論文  参考訳（メタデータ） (2020-02-24T12:27:31Z)

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。