論文の概要: On Salience-Sensitive Sign Classification in Autonomous Vehicle Path Planning: Experimental Explorations with a Novel Dataset

• arxiv url: http://arxiv.org/abs/2112.00942v1
• Date: Thu, 2 Dec 2021 02:45:30 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-03 16:48:35.610677
• Title: On Salience-Sensitive Sign Classification in Autonomous Vehicle Path Planning: Experimental Explorations with a Novel Dataset
• Title（参考訳）: 自律走行経路計画におけるサリエンス・感度符号の分類について:新しいデータを用いた実験的検討
• Authors: Ross Greer, Jason Isa, Nachiket Deo, Akshay Rangesh, Mohan M. Trivedi
• Abstract要約: 本稿では,エゴ車両の目標に対して,サインが明確な意味を持つか否かを示すために,新しい特徴であるサインサリエンスを持つデータセットを提案する。 道路タイプ, 画像座標, 計画的な操作により, 刈り取った標識の畳み込みネットワークを用いて, 76%の精度でサインサリエンス特性を予測した。
• 参考スコア（独自算出の注目度）: 11.007092387379076
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Safe path planning in autonomous driving is a complex task due to the interplay of static scene elements and uncertain surrounding agents. While all static scene elements are a source of information, there is asymmetric importance to the information available to the ego vehicle. We present a dataset with a novel feature, sign salience, defined to indicate whether a sign is distinctly informative to the goals of the ego vehicle with regards to traffic regulations. Using convolutional networks on cropped signs, in tandem with experimental augmentation by road type, image coordinates, and planned maneuver, we predict the sign salience property with 76% accuracy, finding the best improvement using information on vehicle maneuver with sign images.
• Abstract（参考訳）: 自動運転における安全な経路計画は、静的なシーン要素と不確実な周辺エージェントの相互作用のために複雑な作業である。 すべての静的シーン要素は情報ソースであるが、ego車両で利用可能な情報には非対称な重要性がある。 交通規制に関して,標識がエゴ車両の目標に対して明確な情報であるか否かを示すために,新しい特徴であるサインサリエンスを持つデータセットを提案する。 クロッピングサインの畳み込みネットワークを用いて, 道路タイプ, 画像座標, および計画的操作による実験的な拡張と組み合わせて, 76%の精度でサインサルエンス特性を予測し, 車両操作に関する情報と手話画像を用いた最良の改善を見出した。

関連論文リスト

• Neural Semantic Map-Learning for Autonomous Vehicles [85.8425492858912]
  本稿では,道路環境のコヒーレントな地図を作成するために,車両群から収集した局所部分写像を中心インスタンスに融合するマッピングシステムを提案する。 本手法は,シーン特異的なニューラルサイン距離場を用いて,雑音と不完全局所部分写像を併用する。 我々は,記憶効率の高いスパース機能グリッドを活用して大規模にスケールし,シーン再構築における不確実性をモデル化するための信頼スコアを導入する。
  論文  参考訳（メタデータ） (2024-10-10T10:10:03Z)
• Real-Time Traffic Sign Detection: A Case Study in a Santa Clara Suburban Neighborhood [2.4087090457198435]
  プロジェクトの主な目的は、さまざまなトラフィックサインイメージのデータセット上でYOLOv5モデルをトレーニングし、適切なハードウェアプラットフォームにモデルをデプロイすることである。 本システムの性能は,交通信号の検出精度,リアルタイム処理速度,全体的な信頼性に基づいて評価する。
  論文  参考訳（メタデータ） (2023-10-14T17:52:28Z)
• Semantic Map Learning of Traffic Light to Lane Assignment based on Motion Data [12.853720506838043]
  自動運転車は通常、車線への信号の割り当てに関する情報を含むHigh Definition (HD)マップに依存している。 これらの問題を解決するために,交通信号の状態と対応する車両交通の動作パターンから課題を導出する。 Lyft Level 5データセット用の公開APIによって、研究者は独自のアプローチを開発し、評価することができます。
  論文  参考訳（メタデータ） (2023-09-26T09:42:21Z)
• Pedestrian Environment Model for Automated Driving [54.16257759472116]
  歩行者の位置とポーズ情報を含む環境モデルを提案する。 画像から人間のポーズ推定器を用いて骨格情報を抽出する。 位置の3D情報を得るために,車両の位置と合わせて連続するフレームからデータを集約する。
  論文  参考訳（メタデータ） (2023-08-17T16:10:58Z)
• OpenLane-V2: A Topology Reasoning Benchmark for Unified 3D HD Mapping [84.65114565766596]
  交通シーン構造を考慮したトポロジ推論のための最初のデータセットであるOpenLane-V2を提案する。 OpenLane-V2は2000のアノテートされた道路シーンで構成され、交通要素と車線との関係を記述している。 様々な最先端手法を評価し,OpenLane-V2の定量的,定性的な結果を示し,交通現場におけるトポロジ推論の今後の道筋を示す。
  論文  参考訳（メタデータ） (2023-04-20T16:31:22Z)
• Salient Sign Detection In Safe Autonomous Driving: AI Which Reasons Over Full Visual Context [2.799896314754614]
  運転シーンにおける様々な交通標識は、運転者の判断に不平等な影響を及ぼす。 そこで我々は,有能な標識の性能を重視した交通信号検出モデルを構築した。 本研究では,Salience-Sensitive Focal Lossで訓練したモデルが,無訓練で訓練したモデルより優れていることを示す。
  論文  参考訳（メタデータ） (2023-01-14T01:47:09Z)
• Street-View Image Generation from a Bird's-Eye View Layout [95.36869800896335]
  近年,Bird's-Eye View (BEV) の知覚が注目されている。 自動運転のためのデータ駆動シミュレーションは、最近の研究の焦点となっている。 本稿では,現実的かつ空間的に一貫した周辺画像を合成する条件生成モデルであるBEVGenを提案する。
  論文  参考訳（メタデータ） (2023-01-11T18:39:34Z)
• Structured Bird's-Eye-View Traffic Scene Understanding from Onboard Images [128.881857704338]
  本研究では,BEV座標における局所道路網を表す有向グラフを,単眼カメラ画像から抽出する問題について検討する。 提案手法は,BEV平面上の動的物体を検出するために拡張可能であることを示す。 我々は、強力なベースラインに対するアプローチを検証するとともに、ネットワークが優れたパフォーマンスを達成することを示す。
  論文  参考訳（メタデータ） (2021-10-05T12:40:33Z)
• RAIST: Learning Risk Aware Traffic Interactions via Spatio-Temporal Graph Convolutional Networks [19.582873794287632]
  道路車両を運転する上で重要な側面は、他の道路利用者と対話し、その意図を評価し、リスクを意識した戦術決定を行うことである。 本稿では,交通グラフに基づくエゴセントリックなビューのための新しいドライビングフレームワークを提案する。 我々は,リスクオブジェクト識別の課題を改善することにより,リスク認識表現を学習する。
  論文  参考訳（メタデータ） (2020-11-17T15:49:22Z)
• Implicit Latent Variable Model for Scene-Consistent Motion Forecasting [78.74510891099395]
  本稿では,センサデータから直接複雑な都市交通のシーン一貫性のある動き予測を学習することを目的とする。 我々は、シーンを相互作用グラフとしてモデル化し、強力なグラフニューラルネットワークを用いてシーンの分散潜在表現を学習する。
  論文  参考訳（メタデータ） (2020-07-23T14:31:25Z)
• Towards Accurate Vehicle Behaviour Classification With Multi-Relational Graph Convolutional Networks [22.022759283770377]
  モノクロ画像やビデオから車両の挙動を理解するパイプラインを提案する。 このような符号化の時間シーケンスをリカレントネットワークに供給し、車両の挙動をラベル付けする。 提案するフレームワークは,多様なデータセットに対して,さまざまな車両動作を高い忠実度に分類することができる。
  論文  参考訳（メタデータ） (2020-02-03T14:34:28Z)

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。