論文の概要: The Impact of Partial Occlusion on Pedestrian Detectability
- arxiv url: http://arxiv.org/abs/2205.04812v2
- Date: Wed, 11 May 2022 10:23:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2022-05-14 15:05:09.828896
- Title: The Impact of Partial Occlusion on Pedestrian Detectability
- Title（参考訳）: 部分閉塞が歩行者検出性に及ぼす影響
- Authors: Shane Gilroy, Darragh Mullins, Edward Jones, Ashkan Parsi and Martin
Glavin
- Abstract要約: 本研究は、部分的に閉塞された歩行者検出のための新しい客観的ベンチマークを導入する。
歩行者検出モデルの客観的特徴付けを容易にするのに役立つ。
- 参考スコア（独自算出の注目度）: 5.606792370296115
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Robust detection of vulnerable road users is a safety critical requirement
for the deployment of autonomous vehicles in heterogeneous traffic. One of the
most complex outstanding challenges is that of partial occlusion where a target
object is only partially available to the sensor due to obstruction by another
foreground object. A number of leading pedestrian detection benchmarks provide
annotation for partial occlusion, however each benchmark varies greatly in
their definition of the occurrence and severity of occlusion. Recent research
demonstrates that a high degree of subjectivity is used to classify occlusion
level in these cases and occlusion is typically categorized into 2 to 3 broad
categories such as partially and heavily occluded. This can lead to inaccurate
or inconsistent reporting of pedestrian detection model performance depending
on which benchmark is used. This research introduces a novel, objective
benchmark for partially occluded pedestrian detection to facilitate the
objective characterization of pedestrian detection models. Characterization is
carried out on seven popular pedestrian detection models for a range of
occlusion levels from 0-99%. Results demonstrate that pedestrian detection
performance degrades, and the number of false negative detections increase as
pedestrian occlusion level increases. Of the seven popular pedestrian detection
routines characterized, CenterNet has the greatest overall performance,
followed by SSDlite. RetinaNet has the lowest overall detection performance
across the range of occlusion levels.
- Abstract（参考訳）: 脆弱な道路利用者のロバスト検出は、自動運転車を異種交通に配備するための安全上重要な要件である。
最も複雑な課題の1つは、対象の物体が、他の前景の物体の障害物によって、センサーに部分的にしか利用できない部分閉塞である。
多くの主要な歩行者検出ベンチマークは部分閉塞に対するアノテーションを提供しているが、それぞれのベンチマークは閉塞の発生と重症度の定義で大きく異なる。
近年の研究では、これらの症例では高い主観性が咬合レベルを分類するために用いられており、咬合は部分的および重閉塞などの2～3つの広いカテゴリに分類される。
これにより、どのベンチマークが使われているかによって、歩行者検出モデルのパフォーマンスが不正確または矛盾していることを報告できる。
本研究は, 歩行者検出モデルの客観的評価を容易にするため, 部分閉塞歩行者検出のための新しい客観的ベンチマークを提案する。
7つの歩行者検出モデルを用いて,0～99%の閉塞レベルについて評価を行った。
その結果, 歩行者検出性能は低下し, 歩行者咬合レベルが上昇するにつれて偽陰性検出数が増加することがわかった。
人気の高い歩行者検出ルーチン7つのうち、CenterNetは、SSDliteに続いて、全体的なパフォーマンスが最も高い。
RetinaNetの全体的な検出性能は、オクルージョンレベルの範囲で最低である。
関連論文リスト
- Mean Height Aided Post-Processing for Pedestrian Detection [9.654938705603312]
本稿では,歩行者データセットの視点効果を例として捉え,ポストプロセッシングにおける平均高さ支援抑制法を提案する。
提案手法は実装が容易で,プラグアンドプレイである。
平均身長が特定の検出器で抑制されたことの組み合わせは、カルテックとシティパーソンズのデータセットで最先端の歩行者検出器を上回っている。
論文 参考訳（メタデータ） (2024-08-24T18:20:47Z) - OoDIS: Anomaly Instance Segmentation and Detection Benchmark [57.89836988990543]
この作業は、インスタンスセグメンテーションとオブジェクト検出タスクを含むために、よく使われる異常セグメンテーションベンチマークを拡張します。
異常セグメンテーションおよびオブジェクト検出手法の評価は,これらの課題が未解決問題のままであることを示す。
論文 参考訳（メタデータ） (2024-06-17T17:59:56Z) - Imagine the Unseen: Occluded Pedestrian Detection via Adversarial Feature Completion [31.488897675973657]
そこで本稿では,歩行者の特徴を異なる閉塞パターンに整合させるため,閉鎖領域の特徴を完備する。
完成した特徴と実際の完全に見える特徴とのギャップを狭めるために,逆学習法を提案する。
本稿では,CityPersons,Caltech,CrowdHumanの各データセットに関する実験結果について報告する。
論文 参考訳（メタデータ） (2024-05-02T14:20:20Z) - OccluTrack: Rethinking Awareness of Occlusion for Enhancing Multiple
Pedestrian Tracking [7.964206483424679]
既存の手法では, 閉塞による不正確な動作推定, 外観特徴抽出, 関連性に悩まされている。
本研究は, 明瞭な動作推定, 信頼性のある外観特徴, 閉塞シーンにおける公正な関連性について考察する。
具体的には,アダプティブ・オクルージョンを意識した複数歩行者トラッカーOccluTrackを提案する。
論文 参考訳（メタデータ） (2023-09-19T06:43:18Z) - Feature Calibration Network for Occluded Pedestrian Detection [137.37275165635882]
本稿では,特徴ネットワーク(FC-Net)と呼ばれるディープラーニングフレームワークにおける特徴学習手法を提案する。
FC-Netは、歩行者の目に見える部分が選択的であり、検出に決定的であるという観察に基づいている。
CityPersonsとCaltechのデータセットの実験では、ブロックされた歩行者の検知性能が最大10%向上している。
論文 参考訳（メタデータ） (2022-12-12T05:48:34Z) - ReDFeat: Recoupling Detection and Description for Multimodal Feature
Learning [51.07496081296863]
我々は、相互重み付け戦略による多モーダル特徴学習の検出と記述の独立した制約を再定義する。
本研究では,大きな受容場を有し,学習可能な非最大抑制層を備える検出器を提案する。
我々は,特徴マッチングと画像登録タスクにおける特徴量を評価するために,クロス可視,赤外線,近赤外,合成開口レーダ画像ペアを含むベンチマークを構築した。
論文 参考訳（メタデータ） (2022-05-16T04:24:22Z) - An Objective Method for Pedestrian Occlusion Level Classification [6.125017875330933]
咬合レベル分類は、視認可能な歩行者キーポイントの識別と、新しい2次元体表面積推定法を用いて達成される。
実験結果から,提案手法は画素幅を反映していることがわかった。
画像中の歩行者の閉塞レベルは あらゆる形で有効です
自己閉塞、切り離しのような挑戦的なエッジケースを含む、排他的(Occlusion)。
歩行者を包含する。
論文 参考訳（メタデータ） (2022-05-11T11:27:41Z) - Quality-aware Part Models for Occluded Person Re-identification [77.24920810798505]
咬合は人体再識別(ReID)にとって大きな課題となる
既存のアプローチは一般的に、計算効率とReIDの精度の両面で最適であるように、目に見える身体の部品を推測するための外部ツールに依存している。
閉塞型ReIDのためのQPM(Quality-Aware Part Models)という新しい手法を提案する。
論文 参考訳（メタデータ） (2022-01-01T03:51:09Z) - Fast Rule-Based Clutter Detection in Automotive Radar Data [10.379073531824456]
自動車用レーダーセンサーは、多くの不要なクラッタやゴースト検出を出力する。
乱雑な検出は、複数の連続測定でグループや同様の場所で起こる。
このような誤検出を識別する新しいアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-08-27T11:32:50Z) - 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) - 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) - Robust Partial Matching for Person Search in the Wild [70.6661871706788]
本稿では、人物検出と再同定のためのAPNet(Align-to-Part Network)を提案する。
APNetは、推定された全体体領域をカバーする境界ボックスを検出する。
CUHK-SYSUやPRWといった既存の人物検索ベンチマーク上での競合性能を実現している。
論文 参考訳（メタデータ） (2020-04-20T14:21:03Z)
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。