論文の概要: Illumination and Temperature-Aware Multispectral Networks for
Edge-Computing-Enabled Pedestrian Detection
- arxiv url: http://arxiv.org/abs/2112.05053v1
- Date: Thu, 9 Dec 2021 17:27:23 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-10 14:55:53.612906
- Title: Illumination and Temperature-Aware Multispectral Networks for
Edge-Computing-Enabled Pedestrian Detection
- Title（参考訳）: エッジコンピューティング可能な歩行者検出のための照明と温度対応マルチスペクトルネットワーク
- Authors: Yifan Zhuang, Ziyuan Pu, Jia Hu, Yinhai Wang
- Abstract要約: 本研究は,高精度かつ効率的な歩行者検出のための軽量照明・温度対応マルチスペクトルネットワーク(IT-MN)を提案する。
提案アルゴリズムは、車載カメラで収集した公開データセットを用いて、選択した最先端アルゴリズムと比較して評価する。
提案アルゴリズムは,GPU上の画像ペアあたり14.19%,0.03秒の低ミス率と推論時間を実現する。
- 参考スコア（独自算出の注目度）: 10.454696553567809
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate and efficient pedestrian detection is crucial for the intelligent
transportation system regarding pedestrian safety and mobility, e.g., Advanced
Driver Assistance Systems, and smart pedestrian crosswalk systems. Among all
pedestrian detection methods, vision-based detection method is demonstrated to
be the most effective in previous studies. However, the existing vision-based
pedestrian detection algorithms still have two limitations that restrict their
implementations, those being real-time performance as well as the resistance to
the impacts of environmental factors, e.g., low illumination conditions. To
address these issues, this study proposes a lightweight Illumination and
Temperature-aware Multispectral Network (IT-MN) for accurate and efficient
pedestrian detection. The proposed IT-MN is an efficient one-stage detector.
For accommodating the impacts of environmental factors and enhancing the
sensing accuracy, thermal image data is fused by the proposed IT-MN with visual
images to enrich useful information when visual image quality is limited. In
addition, an innovative and effective late fusion strategy is also developed to
optimize the image fusion performance. To make the proposed model implementable
for edge computing, the model quantization is applied to reduce the model size
by 75% while shortening the inference time significantly. The proposed
algorithm is evaluated by comparing with the selected state-of-the-art
algorithms using a public dataset collected by in-vehicle cameras. The results
show that the proposed algorithm achieves a low miss rate and inference time at
14.19% and 0.03 seconds per image pair on GPU. Besides, the quantized IT-MN
achieves an inference time of 0.21 seconds per image pair on the edge device,
which also demonstrates the potentiality of deploying the proposed model on
edge devices as a highly efficient pedestrian detection algorithm.
- Abstract（参考訳）: 高度な運転支援システムやスマート歩行者横断歩道システムなど、歩行者の安全と移動に関するインテリジェントな交通システムでは、正確で効率的な歩行者検出が不可欠である。
歩行者検出手法のすべてにおいて,視覚に基づく検出手法が先行研究で最も効果的であることが示されている。
しかし、既存の視覚に基づく歩行者検出アルゴリズムには、その実装を制限する2つの制限がある。
これらの課題に対処するために, 高精度かつ効率的な歩行者検出のための軽量照明・温度対応マルチスペクトルネットワーク(IT-MN)を提案する。
提案したIT-MNは効率的な1段検出器である。
環境要因の影響を調節し、感度の精度を高めるため、提案したIT-MNによって画像と熱画像データを融合させ、視覚的画質が制限された場合に有用な情報を強化する。
また,画像融合性能を最適化するために,革新的で効果的なレイトフュージョン戦略も開発されている。
提案したモデルをエッジコンピューティングに実装可能にするため,モデル量子化を適用してモデルサイズを75%削減し,推論時間を著しく短縮する。
提案アルゴリズムは車載カメラで収集した公開データセットを用いて,選択した最先端アルゴリズムと比較することで評価を行う。
提案アルゴリズムは,GPU上の画像ペアあたり14.19%,0.03秒の低ミス率と推論時間を実現する。
また、量子化it-mnは、エッジデバイス上で画像ペアあたり0.21秒の推論時間を達成し、より効率的な歩行者検出アルゴリズムとしてエッジデバイスに提案モデルをデプロイする可能性を示す。
関連論文リスト
- MambaST: A Plug-and-Play Cross-Spectral Spatial-Temporal Fuser for Efficient Pedestrian Detection [0.5898893619901381]
本稿では,効率的な歩行者検出のためのプラグ・アンド・プレイ型時空間融合パイプラインであるMambaSTを提案する。
暗黒または低照度条件下でRGBカメラを用いて正確な検出を行うことは困難である。
また,提案モデルにより,小規模歩行者検出の性能も向上する。
論文 参考訳（メタデータ） (2024-08-02T06:20:48Z) - Optimizing ship detection efficiency in SAR images [12.829941550630776]
船舶検出の速度と計算コストは、違法な漁獲を防ぐための時間的介入に不可欠である。
衛星画像のデータセットを用いて,畳み込みニューラルネットワーク(CNN)に基づく物体検出モデルを訓練した。
分類モデルを用いて、検出モデルの平均精度を44%で99.5%、25%で92.7%に近似できることを示した。
論文 参考訳（メタデータ） (2022-12-12T12:04:10Z) - Real-Time Driver Monitoring Systems through Modality and View Analysis [28.18784311981388]
ドライバーの気晴らしが道路事故の主要な原因であることが知られている。
State-of-the-artメソッドはレイテンシを無視しながら精度を優先する。
本稿では,ビデオフレーム間の時間的関係を無視した時間効率な検出モデルを提案する。
論文 参考訳（メタデータ） (2022-10-17T21:22:41Z) - ETAD: A Unified Framework for Efficient Temporal Action Detection [70.21104995731085]
時間的行動検出(TAD)のようなトリミングされていないビデオ理解は、しばしば計算資源に対する膨大な需要の苦痛に悩まされる。
我々は、効率的なエンド・ツー・エンドの時間的行動検出(ETAD)のための統合されたフレームワークを構築している。
ETADはTHUMOS-14とActivityNet-1.3の両方で最先端のパフォーマンスを実現している。
論文 参考訳（メタデータ） (2022-05-14T21:16:21Z) - Meta-UDA: Unsupervised Domain Adaptive Thermal Object Detection using
Meta-Learning [64.92447072894055]
赤外線(IR)カメラは、照明条件や照明条件が悪ければ頑丈である。
既存のUDA手法を改善するためのアルゴリズムメタ学習フレームワークを提案する。
KAISTおよびDSIACデータセットのための最先端熱検出器を作成した。
論文 参考訳（メタデータ） (2021-10-07T02:28:18Z) - An Efficient Approach for Anomaly Detection in Traffic Videos [30.83924581439373]
本稿では,エッジデバイスで動作可能な映像異常検出システムのための効率的な手法を提案する。
提案手法は,シーンの変化を検出し,破損したフレームを除去するプリプロセッシングモジュールを含む。
また,新しいシーンに迅速に適応し,類似度統計量の変化を検出するシーケンシャルな変化検出アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-04-20T04:43:18Z) - Anchor-free Small-scale Multispectral Pedestrian Detection [88.7497134369344]
適応型単一段アンカーフリーベースアーキテクチャにおける2つのモードの効果的かつ効率的な多重スペクトル融合法を提案する。
我々は,直接的境界ボックス予測ではなく,対象の中心と規模に基づく歩行者表現の学習を目指す。
その結果,小型歩行者の検出における本手法の有効性が示唆された。
論文 参考訳（メタデータ） (2020-08-19T13:13:01Z) - Identity-Aware Attribute Recognition via Real-Time Distributed Inference
in Mobile Edge Clouds [53.07042574352251]
我々は、MEC対応カメラ監視システムにおいて、re-IDを用いた歩行者属性認識のための新しいモデルの設計を行う。
本稿では,属性認識と人物再IDを協調的に考慮し,分散モジュールの集合を持つ新しい推論フレームワークを提案する。
そこで我々は,提案した分散推論フレームワークのモジュール分布の学習に基づくアルゴリズムを考案した。
論文 参考訳（メタデータ） (2020-08-12T12:03:27Z) - SADet: Learning An Efficient and Accurate Pedestrian Detector [68.66857832440897]
本稿では,一段検出器の検出パイプラインに対する一連の最適化手法を提案する。
効率的な歩行者検出のための単発アンカーベース検出器(SADet)を形成する。
構造的には単純だが、VGA解像度の画像に対して最先端の結果と20ドルFPSのリアルタイム速度を示す。
論文 参考訳（メタデータ） (2020-07-26T12:32:38Z) - End-to-end Learning for Inter-Vehicle Distance and Relative Velocity
Estimation in ADAS with a Monocular Camera [81.66569124029313]
本稿では,ディープニューラルネットワークのエンドツーエンドトレーニングに基づくカメラによる車間距離と相対速度推定手法を提案する。
提案手法の重要な特徴は,2つの時間的単眼フレームによって提供される複数の視覚的手がかりの統合である。
また,移動場における視線歪みの影響を緩和する車両中心サンプリング機構を提案する。
論文 参考訳（メタデータ） (2020-06-07T08:18:31Z)
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。