Fugu-MT 論文翻訳(概要): Towards Real-time Traffic Sign and Traffic Light Detection on Embedded Systems

論文の概要: Towards Real-time Traffic Sign and Traffic Light Detection on Embedded Systems

arxiv url: http://arxiv.org/abs/2205.02421v1
Date: Thu, 5 May 2022 03:46:19 GMT
ステータス: 処理完了
システム内更新日: 2022-05-06 14:57:44.667877
Title: Towards Real-time Traffic Sign and Traffic Light Detection on Embedded Systems
Title（参考訳）: 組込みシステムにおけるリアルタイム交通信号と信号検出に向けて
Authors: Oshada Jayasinghe, Sahan Hemachandra, Damith Anhettigama, Shenali Kariyawasam, Tharindu Wickremasinghe, Chalani Ekanayake, Ranga Rodrigo, Peshala Jayasekara
Abstract要約: 本稿では,交通標識や交通信号検出に固有の課題に対処する,シンプルなディープラーニングに基づくエンドツーエンド検出フレームワークを提案する。システム全体では毎秒63フレームの高速な推論速度を実現し,リアルタイムに実行可能であることを示す。 CeyRoは、スリランカにおける最初の大規模交通標識と交通信号検出データセットである。
参考スコア（独自算出の注目度）: 0.6143225301480709
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Recent work done on traffic sign and traffic light detection focus on improving detection accuracy in complex scenarios, yet many fail to deliver real-time performance, specifically with limited computational resources. In this work, we propose a simple deep learning based end-to-end detection framework, which effectively tackles challenges inherent to traffic sign and traffic light detection such as small size, large number of classes and complex road scenarios. We optimize the detection models using TensorRT and integrate with Robot Operating System to deploy on an Nvidia Jetson AGX Xavier as our embedded device. The overall system achieves a high inference speed of 63 frames per second, demonstrating the capability of our system to perform in real-time. Furthermore, we introduce CeyRo, which is the first ever large-scale traffic sign and traffic light detection dataset for the Sri Lankan context. Our dataset consists of 7984 total images with 10176 traffic sign and traffic light instances covering 70 traffic sign and 5 traffic light classes. The images have a high resolution of 1920 x 1080 and capture a wide range of challenging road scenarios with different weather and lighting conditions. Our work is publicly available at https://github.com/oshadajay/CeyRo.
Abstract（参考訳）: 交通標識や交通信号検出に関する最近の研究は、複雑なシナリオにおける検出精度の向上に重点を置いているが、多くはリアルタイムのパフォーマンス、特に限られた計算資源の達成に失敗した。本研究では,少人数,多数のクラス,複雑な道路シナリオなど,交通標識や交通光検出に関連する課題を効果的に解決する,単純なディープラーニングに基づくエンドツーエンド検出フレームワークを提案する。我々はTensorRTを用いた検出モデルを最適化し、Robot Operating Systemと統合してNvidia Jetson AGX Xavierを組み込みデバイスとしてデプロイする。システム全体では、毎秒63フレームという高い推論速度を達成し、リアルタイムに実行するシステムの能力を示しています。さらに、スリランカにおける最初の大規模交通標識および交通信号検出データセットであるCeyRoを紹介する。我々のデータセットは、7984の画像と10176のトラフィックサインと70のトラフィックサインと5のトラフィックライトクラスを含むトラフィックライトインスタンスで構成されています。画像は1920 x 1080の高解像度で、天候や照明条件の異なる幅広い挑戦的な道路シナリオを捉えている。私たちの作品はhttps://github.com/oshadajay/CeyRo.comで公開されています。

関連論文リスト

IncidentNet: Traffic Incident Detection, Localization and Severity Estimation with Sparse Sensing [0.6787248655856052]
IncidentNetは、トラフィックインシデントの深刻度を分類、ローカライズ、推定するための新しいアプローチである。本モデルでは,交通交差点に設置したカメラを用いて収集可能な微視的交通データについて検討する。
論文参考訳（メタデータ） (2024-08-02T04:09:15Z)
EV-Catcher: High-Speed Object Catching Using Low-latency Event-based Neural Networks [107.62975594230687]
イベントカメラが優れており、高速移動物体の衝突位置を正確に推定するアプリケーションを実証する。イベントデータを低レイテンシでエンコードするために,Binary Event History Image(BEHI)と呼ばれる軽量なイベント表現を導入する。計算制約のある組込みプラットフォーム上でも最大13m/sの速さで, 異なる場所をターゲットとした球のキャッチにおいて, 81%の成功率を達成することができることを示す。
論文参考訳（メタデータ） (2023-04-14T15:23:28Z)
Traffic Scene Parsing through the TSP6K Dataset [109.69836680564616]
高品質なピクセルレベルのアノテーションとインスタンスレベルのアノテーションを備えた,TSP6Kと呼ばれる特殊なトラフィック監視データセットを導入する。データセットは、既存の運転シーンの何倍ものトラフィック参加者を持つ、より混雑した交通シーンをキャプチャする。交通シーンの異なるセマンティック領域の詳細を復元するシーン解析のためのディテールリフィニングデコーダを提案する。
論文参考訳（メタデータ） (2023-03-06T02:05:14Z)
GLARE: A Dataset for Traffic Sign Detection in Sun Glare [28.692414823901313]
GLARE(英: GLARE)は、日光による激しい視覚的干渉の下で、アメリカ合衆国に本拠を置く交通標識を収録した画像集である。広く使用されているLISA Traffic Signデータセットに不可欠な拡張を提供する。現在のアーキテクチャは、サングラアのパフォーマンスにおいて、交通標識の画像に基づいて訓練された場合、より良い検出ができる。
論文参考訳（メタデータ） (2022-09-19T02:25:41Z)
DualCam: A Novel Benchmark Dataset for Fine-grained Real-time Traffic Light Detection [0.7130302992490973]
本稿では,狭角カメラと広角カメラの同期を用いた新しいベンチマーク・トラヒック・ライト・データセットを提案する。データセットには1920$times$1080の解像度の画像が含まれ、10の異なるクラスをカバーする。その結果,従来の1台のカメラフレームを用いた場合と比較して,速度と精度のバランスがとれることがわかった。
論文参考訳（メタデータ） (2022-09-03T08:02:55Z)
TraCon: A novel dataset for real-time traffic cones detection using deep learning [7.759841699582662]
本研究では,交通円錐の効率的かつ迅速な検出のための解を見つけるために,YOLOv5アルゴリズムを用いる。 YOLOv5はIoUのスコアを91.31%まで高感度で検出できる。
論文参考訳（メタデータ） (2022-05-24T06:51:58Z)
Road Network Guided Fine-Grained Urban Traffic Flow Inference [108.64631590347352]
粗いトラフィックからのきめ細かなトラフィックフローの正確な推測は、新たな重要な問題である。本稿では,道路ネットワークの知識を活かした新しい道路対応交通流磁化器(RATFM)を提案する。提案手法は,高品質なトラフィックフローマップを作成できる。
論文参考訳（メタデータ） (2021-09-29T07:51:49Z)
End-to-End Intersection Handling using Multi-Agent Deep Reinforcement Learning [63.56464608571663]
交差点をナビゲートすることは、自動運転車にとって大きな課題の1つです。本研究では,交通標識のみが提供された交差点をナビゲート可能なシステムの実装に着目する。本研究では,時間ステップ毎に加速度と操舵角を予測するためのニューラルネットワークの訓練に用いる,モデルフリーの連続学習アルゴリズムを用いたマルチエージェントシステムを提案する。
論文参考訳（メタデータ） (2021-04-28T07:54:40Z)
Deep traffic light detection by overlaying synthetic context on arbitrary natural images [49.592798832978296]
深部交通光検出器のための人工的な交通関連トレーニングデータを生成する手法を提案する。このデータは、任意の画像背景の上に偽のトラフィックシーンをブレンドするために、基本的な非現実的なコンピュータグラフィックスを用いて生成される。また、交通信号データセットの本質的なデータ不均衡問題にも対処し、主に黄色い状態のサンプルの少なさによって引き起こされる。
論文参考訳（メタデータ） (2020-11-07T19:57:22Z)
Artificial Intelligence Enabled Traffic Monitoring System [3.085453921856008]
本稿では,深層畳み込みニューラルネットワークを用いたリアルタイム交通映像の自動監視手法を提案する。提案システムは、さまざまなトラフィック監視ニーズを自動化するために、最先端のディープラーニングアルゴリズムをデプロイする。
論文参考訳（メタデータ） (2020-10-02T22:28:02Z)
Drone-based RGB-Infrared Cross-Modality Vehicle Detection via Uncertainty-Aware Learning [59.19469551774703]
ドローンによる車両検出は、空中画像中の車両の位置とカテゴリーを見つけることを目的としている。我々はDroneVehicleと呼ばれる大規模ドローンベースのRGB赤外線車両検出データセットを構築した。私たちのDroneVehicleは28,439RGBの赤外線画像を収集し、都市道路、住宅地、駐車場、その他のシナリオを昼から夜までカバーしています。
論文参考訳（メタデータ） (2020-03-05T05:29:44Z)

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。