論文の概要: CeyMo: See More on Roads -- A Novel Benchmark Dataset for Road Marking
Detection
- arxiv url: http://arxiv.org/abs/2110.11867v1
- Date: Fri, 22 Oct 2021 15:56:17 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-25 15:36:36.661763
- Title: CeyMo: See More on Roads -- A Novel Benchmark Dataset for Road Marking
Detection
- Title（参考訳）: CeyMo: Roadsの詳細 - 道路マーキング検出のための新しいベンチマークデータセット
- Authors: Oshada Jayasinghe, Sahan Hemachandra, Damith Anhettigama, Shenali
Kariyawasam, Ranga Rodrigo, Peshala Jayasekara
- Abstract要約: データセットは合計2887枚の画像と11のクラスに属する4706個の道路標識インスタンスで構成されている。
画像は1920 x 1080の高解像度で、幅広い交通、照明、気象条件を捉えている。
- 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: In this paper, we introduce a novel road marking benchmark dataset for road
marking detection, addressing the limitations in the existing publicly
available datasets such as lack of challenging scenarios, prominence given to
lane markings, unavailability of an evaluation script, lack of annotation
formats and lower resolutions. Our dataset consists of 2887 total images with
4706 road marking instances belonging to 11 classes. The images have a high
resolution of 1920 x 1080 and capture a wide range of traffic, lighting and
weather conditions. We provide road marking annotations in polygons, bounding
boxes and pixel-level segmentation masks to facilitate a diverse range of road
marking detection algorithms. The evaluation metrics and the evaluation script
we provide, will further promote direct comparison of novel approaches for road
marking detection with existing methods. Furthermore, we evaluate the
effectiveness of using both instance segmentation and object detection based
approaches for the road marking detection task. Speed and accuracy scores for
two instance segmentation models and two object detector models are provided as
a performance baseline for our benchmark dataset. The dataset and the
evaluation script will be publicly available.
- Abstract（参考訳）: 本稿では,道路マーキング検出のための新しい道路マーキングベンチマークデータセットを導入し,難解なシナリオの欠如,レーンマーキングに与えられた優位性,評価スクリプトの有効性の欠如,アノテーションフォーマットの欠如,解像度の低下など,既存の公開データセットの制限に対処する。
データセットは合計2887枚の画像と11のクラスに属する4706個の道路標識インスタンスで構成されている。
画像は1920 x 1080の高解像度で、幅広い交通、照明、気象条件を捉えている。
我々は,多角形の道路マーキングアノテーション,境界ボックス,画素レベルのセグメンテーションマスクを提供し,多様な道路マーキング検出アルゴリズムを実現する。
提案する評価指標と評価スクリプトは,既存の手法と路面マーキング検出のための新しい手法の直接比較をさらに促進する。
さらに,道路標識検出タスクにおいて,インスタンス分割とオブジェクト検出に基づくアプローチの併用の有効性を評価する。
2つのインスタンスセグメンテーションモデルと2つのオブジェクト検出器モデルの速度と精度スコアをベンチマークデータセットのパフォーマンスベースラインとして提供します。
データセットと評価スクリプトは公開される予定だ。
関連論文リスト
- ALINA: Advanced Line Identification and Notation Algorithm [4.12089570007199]
クラウドソーシングのような従来のラベリング手法は、コスト、データのプライバシ、時間、大規模なデータセットの潜在的なエラーのために禁止されている。
本稿では,タクシーウェイデータセットのラベル付けに使用できる新しいアノテーションフレームワークであるAdvanced Line Identification and Notation Algorithm (ALINA)を提案する。
論文 参考訳（メタデータ） (2024-06-13T03:10:22Z) - Homography Guided Temporal Fusion for Road Line and Marking Segmentation [73.47092021519245]
道路線やマーキングは、移動車両、影、グレアの存在下でしばしば閉鎖される。
本稿では,映像フレームを補足的に利用するHomography Guided Fusion (HomoFusion) モジュールを提案する。
カメラ固有のデータと地上平面の仮定をクロスフレーム対応に利用することにより,高速・高精度性能が向上した軽量ネットワークの実現が期待できることを示す。
論文 参考訳（メタデータ） (2024-04-11T10:26:40Z) - CarPatch: A Synthetic Benchmark for Radiance Field Evaluation on Vehicle
Components [77.33782775860028]
車両の新たな総合ベンチマークであるCarPatchを紹介する。
内在カメラパラメータと外在カメラパラメータを付加した画像のセットに加えて、各ビューに対して対応する深度マップとセマンティックセグメンテーションマスクが生成されている。
グローバルとパートベースのメトリクスは、いくつかの最先端技術を評価し、比較し、より良い特徴付けるために定義され、使われてきた。
論文 参考訳（メタデータ） (2023-07-24T11:59:07Z) - Linear Object Detection in Document Images using Multiple Object
Tracking [58.720142291102135]
線形オブジェクトは文書構造に関する実質的な情報を伝達する。
多くのアプローチはベクトル表現を復元できるが、1994年に導入された1つのクローズドソース技術のみである。
複数オブジェクト追跡を用いた文書画像中の線形オブジェクトの正確なインスタンスセグメンテーションのためのフレームワークを提案する。
論文 参考訳（メタデータ） (2023-05-26T14:22:03Z) - PaRK-Detect: Towards Efficient Multi-Task Satellite Imagery Road
Extraction via Patch-Wise Keypoints Detection [12.145321599949236]
我々は、マルチタスク衛星画像道路抽出のための新しい手法、パッチワイド道路キーポイント検出(PaRK-Detect)を提案する。
筆者らのフレームワークは,パッチワイド道路キーポイントの位置と,それら間の近接関係を予測し,道路グラフを単一パスで構築する。
我々は,DeepGlobe, Massachusetts Roads, RoadTracerの既存の最先端手法に対するアプローチを評価し,競争力やより良い結果を得る。
論文 参考訳（メタデータ） (2023-02-26T08:26:26Z) - Perspective Aware Road Obstacle Detection [104.57322421897769]
道路障害物検出技術は,車間距離が大きくなるにつれて障害物の見かけの規模が減少するという事実を無視することを示す。
画像位置毎に仮想物体の見かけの大きさを符号化したスケールマップを演算することでこれを活用できる。
次に、この視点マップを利用して、遠近法に対応する大きさの道路合成物体に注入することで、トレーニングデータを生成する。
論文 参考訳（メタデータ） (2022-10-04T17:48:42Z) - Object Tracking and Geo-localization from Street Images [4.5958644027273685]
本稿では,低フレームレートのストリートビデオから交通標識を検出・位置情報化するフレームワークを提案する。
提案システムは、カメラに対する各符号の位置オフセットを予測するRetinaNet(GPS-RetinaNet)の修正版を用いている。
提案したデータセットは、幅広い道路から収集された多様な環境群をカバーする。
論文 参考訳（メタデータ） (2021-07-13T17:32:04Z) - SegmentMeIfYouCan: A Benchmark for Anomaly Segmentation [111.61261419566908]
ディープニューラルネットワーク(DNN)は通常、閉集合のセマンティッククラスで訓練される。
未発見のオブジェクトを扱うには不備だ。
このような物体の検出と局在化は、自動運転の認識などの安全クリティカルなアプリケーションに不可欠です。
論文 参考訳（メタデータ） (2021-04-30T07:58:19Z) - Topo-boundary: A Benchmark Dataset on Topological Road-boundary
Detection Using Aerial Images for Autonomous Driving [11.576868193291997]
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。
論文 参考訳（メタデータ） (2021-03-31T14:42:00Z) - Ensembling object detectors for image and video data analysis [98.26061123111647]
本稿では,複数の物体検出器の出力をアンサンブルすることで,画像データ上の境界ボックスの検出性能と精度を向上させる手法を提案する。
本研究では,2段階追跡に基づく検出精度向上手法を提案することで,映像データに拡張する。
論文 参考訳（メタデータ） (2021-02-09T12:38:16Z) - Scribble-based Weakly Supervised Deep Learning for Road Surface
Extraction from Remote Sensing Images [7.1577508803778045]
そこで我々は,ScRoadExtractor という,スクリブルに基づく弱制御路面抽出手法を提案する。
スパーススクリブルからラベルなし画素への意味情報を伝達するために,道路ラベルの伝搬アルゴリズムを導入する。
道路ラベル伝搬アルゴリズムから生成された提案マスクを用いて、デュアルブランチエンコーダデコーダネットワークを訓練する。
論文 参考訳（メタデータ） (2020-10-25T12:40:30Z)
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。