論文の概要: Combining Visual Saliency Methods and Sparse Keypoint Annotations to
Providently Detect Vehicles at Night
- arxiv url: http://arxiv.org/abs/2204.11535v1
- Date: Mon, 25 Apr 2022 09:56:34 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-26 14:14:47.384367
- Title: Combining Visual Saliency Methods and Sparse Keypoint Annotations to
Providently Detect Vehicles at Night
- Title（参考訳）: 夜間車両検出のための視覚塩分法とスパースキーポイントアノテーションの併用
- Authors: Lukas Ewecker, Lars Ohnemus, Robin Schwager, Stefan Roos, Sascha
Saralajew
- Abstract要約: 視覚的サリエンシとスパースなキーポイントアノテーションに基づいて異なるオブジェクト表現を作成するための、潜在的なサリエンシに基づくアプローチについて検討する。
このアプローチは、異なるオブジェクト表現の自動導出を可能にする。
我々は、実際に見えるようになる前に夜間に車両を検知する問題を研究するための、より強力なツールや方法を提供する。
- 参考スコア（独自算出の注目度）: 2.0299248281970956
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Provident detection of other road users at night has the potential for
increasing road safety. For this purpose, humans intuitively use visual cues,
such as light cones and light reflections emitted by other road users to be
able to react to oncoming traffic at an early stage. This behavior can be
imitated by computer vision methods by predicting the appearance of vehicles
based on emitted light reflections caused by the vehicle's headlights. Since
current object detection algorithms are mainly based on detecting directly
visible objects annotated via bounding boxes, the detection and annotation of
light reflections without sharp boundaries is challenging. For this reason, the
extensive open-source dataset PVDN (Provident Vehicle Detection at Night) was
published, which includes traffic scenarios at night with light reflections
annotated via keypoints. In this paper, we explore the potential of
saliency-based approaches to create different object representations based on
the visual saliency and sparse keypoint annotations of the PVDN dataset. For
that, we extend the general idea of Boolean map saliency towards a
context-aware approach by taking into consideration sparse keypoint annotations
by humans. We show that this approach allows for an automated derivation of
different object representations, such as binary maps or bounding boxes so that
detection models can be trained on different annotation variants and the
problem of providently detecting vehicles at night can be tackled from
different perspectives. With that, we provide further powerful tools and
methods to study the problem of detecting vehicles at night before they are
actually visible.
- Abstract（参考訳）: 夜間の他の道路利用者の検出は、道路安全を高める可能性がある。
この目的のために、人間は他の道路利用者が発する光円錐や反射などの視覚的手がかりを直感的に利用し、早期の交通に反応することができる。
この挙動は、車両のヘッドライトによる発光光反射に基づいて車両の外観を予測することによってコンピュータビジョンによって模倣することができる。
現在のオブジェクト検出アルゴリズムは、主にバウンディングボックスを介してアノテートされた直接可視オブジェクトの検出に基づいているため、シャープなバウンダリのない光反射の検出とアノテーションは困難である。
このため、大規模なオープンソースデータセットPVDN(Provident Vehicle Detection at Night)が公開された。
本稿では、PVDNデータセットの視覚的サリエンシとスパースなキーポイントアノテーションに基づいて、異なるオブジェクト表現を作成するための、サリエンシに基づくアプローチの可能性を検討する。
そこで我々は,人間による疎いキーポイントアノテーションを考慮し,ブールマップサリエンシの一般的な考え方を文脈認識アプローチへと拡張する。
このアプローチにより,バイナリマップやバウンディングボックスなど,さまざまなオブジェクト表現の自動導出が可能となり,検出モデルを異なるアノテーション変種でトレーニングすることが可能となり,夜間に車両を適応的に検出する問題は,異なる視点から取り組むことが可能となる。
これにより、実際に見える前に夜間に車両を検知する問題を研究するための、より強力なツールや方法を提供する。
関連論文リスト
- OOSTraj: Out-of-Sight Trajectory Prediction With Vision-Positioning Denoising [49.86409475232849]
軌道予測はコンピュータビジョンと自律運転の基本である。
この分野における既存のアプローチは、しばしば正確で完全な観測データを仮定する。
本稿では,視覚的位置決め技術を利用した視線外軌道予測手法を提案する。
論文 参考訳（メタデータ） (2024-04-02T18:30:29Z) - Nighttime Driver Behavior Prediction Using Taillight Signal Recognition
via CNN-SVM Classifier [2.44755919161855]
本研究の目的は、人間駆動車と自律車の両方のテールライトを特定し、夜間運転行動を予測する能力を高めることである。
提案モデルでは、道路の前方のテールライトを正確に検出するカスタム検出器が組み込まれている。
夜間の限られたデータに対処するため、昼間の画像をリアルな夜のイメージに変換するために、ユニークな画素ワイズ画像処理技術を実装した。
論文 参考訳（メタデータ） (2023-10-25T15:23:33Z) - Patterns of Vehicle Lights: Addressing Complexities in Curation and
Annotation of Camera-Based Vehicle Light Datasets and Metrics [0.0]
本稿では、コンピュータビジョンにおける車両光の表現とその自律運転分野における様々なタスクへの応用について考察する。
車両の光検出から恩恵を受けることができる自動運転における3つの重要なタスクが特定される。
データ駆動モデルのトレーニングのための大規模なデータセットの収集と注釈付けの課題にも対処する。
論文 参考訳（メタデータ） (2023-07-26T21:48:14Z) - SalienDet: A Saliency-based Feature Enhancement Algorithm for Object
Detection for Autonomous Driving [160.57870373052577]
未知の物体を検出するために,サリエンデット法(SalienDet)を提案する。
我々のSaienDetは、オブジェクトの提案生成のための画像機能を強化するために、サリエンシに基づくアルゴリズムを利用している。
オープンワールド検出を実現するためのトレーニングサンプルセットにおいて、未知のオブジェクトをすべてのオブジェクトと区別するためのデータセットレザベリングアプローチを設計する。
論文 参考訳（メタデータ） (2023-05-11T16:19:44Z) - Once Detected, Never Lost: Surpassing Human Performance in Offline LiDAR
based 3D Object Detection [50.959453059206446]
本稿では,高性能なオフラインLiDARによる3Dオブジェクト検出を実現することを目的とする。
まず、経験豊富な人間のアノテータが、トラック中心の視点でオブジェクトに注釈を付けるのを観察する。
従来のオブジェクト中心の視点ではなく,トラック中心の視点で高性能なオフライン検出器を提案する。
論文 参考訳（メタデータ） (2023-04-24T17:59:05Z) - Provident Vehicle Detection at Night for Advanced Driver Assistance
Systems [3.7468898363447654]
本報告では, 夜間に来るべき車両を, 発生した光成果物に基づいて検出するシステムについて述べる。
本研究では,提案システムが提供する時間的メリットを,実稼働型コンピュータビジョンシステムと比較して定量化する。
論文 参考訳（メタデータ） (2021-07-23T15:27:17Z) - A Dataset for Provident Vehicle Detection at Night [3.1969855247377827]
この直感的な人間の行動をコンピュータビジョンアルゴリズムにマッピングし、夜間に来るべき車両を検知する方法の問題点について検討する。
夜間の農村環境における346の異なるシーンのうち,59746の注釈付きグレースケール画像を含む大規模なオープンソースデータセットを提案する。
光反射などの視覚的手がかりを客観的に記述する上で,データセットの特徴と課題について論じる。
論文 参考訳（メタデータ） (2021-05-27T15:31:33Z) - Provident Vehicle Detection at Night: The PVDN Dataset [2.8730465903425877]
夜間の農村環境における346の異なるシーンのうち、59746のグレースケール注釈付き画像を含む新しいデータセットを提示する。
これらの画像では、すべての対向車、対応する光オブジェクト(例えばヘッドランプ)、およびそれぞれの光反射(例えばガードレールの光反射)がラベル付けされている。
そのために私たちは,新たな車両検出方法の研究を可能にするために,包括的な根拠データを備えたオープンソースデータセットを初めて提供します。
論文 参考訳（メタデータ） (2020-12-31T00:06:26Z) - Perceiving Traffic from Aerial Images [86.994032967469]
本研究では,空中画像中の物体を検出するために,バタフライ検出器と呼ばれる物体検出手法を提案する。
UAVDT(UAVDT)とVisDrone 2019(VisDrone 2019)の2つのUAVデータセット上でButterfly Detectorを評価し、従来の最先端の手法よりも高速に動作し、かつリアルタイムに動作可能であることを示す。
論文 参考訳（メタデータ） (2020-09-16T11:37:43Z) - V2VNet: Vehicle-to-Vehicle Communication for Joint Perception and
Prediction [74.42961817119283]
車両間通信(V2V)を用いて、自動運転車の知覚と運動予測性能を向上させる。
複数の車両から受信した情報をインテリジェントに集約することで、異なる視点から同じシーンを観察することができる。
論文 参考訳（メタデータ） (2020-08-17T17:58:26Z) - Parsing-based View-aware Embedding Network for Vehicle Re-Identification [138.11983486734576]
本稿では,車載ReIDのビューアウェア機能アライメントと拡張を実現するために,解析に基づくPVEN(View-Aware Embedding Network)を提案する。
3つのデータセットで行った実験により、我々のモデルは最先端の手法よりも大きなマージンで優れていることが示された。
論文 参考訳（メタデータ） (2020-04-10T13:06:09Z)
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。