論文の概要: Perspective Aware Road Obstacle Detection
- arxiv url: http://arxiv.org/abs/2210.01779v1
- Date: Tue, 4 Oct 2022 17:48:42 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-05 15:17:38.943730
- Title: Perspective Aware Road Obstacle Detection
- Title(参考訳): 道路障害物検出の展望
- Authors: Krzysztof Lis, Sina Honari, Pascal Fua, Mathieu Salzmann
- Abstract要約: 道路障害物検出技術は,実際に車両までの距離が大きくなるにつれて障害物の見かけの大きさが減少するという事実を無視することを示す。
画像位置毎に仮想物体の見かけの大きさを符号化したスケールマップを演算することでこれを活用できる。
次に、この視点マップを利用して、道路に合成オブジェクトを注入することで、トレーニングデータを生成する。
- 参考スコア(独自算出の注目度): 104.57322421897769
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: While road obstacle detection techniques have become increasingly effective,
they typically ignore the fact that, in practice, the apparent size of the
obstacles decreases as their distance to the vehicle increases. In this paper,
we account for this by computing a scale map encoding the apparent size of a
hypothetical object at every image location. We then leverage this perspective
map to (i) generate training data by injecting synthetic objects onto the road
in a more realistic fashion than existing methods; and (ii) incorporate
perspective information in the decoding part of the detection network to guide
the obstacle detector. Our results on standard benchmarks show that, together,
these two strategies significantly boost the obstacle detection performance,
allowing our approach to consistently outperform state-of-the-art methods in
terms of instance-level obstacle detection.
- Abstract(参考訳): 道路障害物検出技術はますます有効になっているが、実際には、車両への距離が増加するにつれて障害物の見かけの大きさが減少するという事実を無視するのが一般的である。
本稿では,画像位置毎に仮想物体の見かけの大きさをエンコードするスケールマップを計算し,その特徴を説明する。
次に、この視点マップを活用する。
(i)既存の方法よりも現実的な方法で合成物を道路に注入して訓練データを生成すること。
(ii)検出ネットワークの復号部に遠近情報を取り込んで障害物検出を誘導する。
標準ベンチマークの結果から,これらの2つの手法により障害物検出性能が大幅に向上し,インスタンスレベルの障害物検出の手法を一貫して上回ることを示す。
関連論文リスト
- Improving Online Lane Graph Extraction by Object-Lane Clustering [106.71926896061686]
本稿では,局所レーングラフの推定精度を向上させるために,アーキテクチャと損失の定式化を提案する。
提案手法は,中心線をクラスタ中心とすることで,対象を中心線に割り当てることを学ぶ。
提案手法は既存の3次元オブジェクト検出手法の出力を用いて,大幅な性能向上を実現することができることを示す。
論文 参考訳(メタデータ) (2023-07-20T15:21:28Z) - Rigidity-Aware Detection for 6D Object Pose Estimation [60.88857851869196]
最近の6Dオブジェクトのポーズ推定方法は、最初にオブジェクト検出を使用して2Dバウンディングボックスを取得し、実際にポーズを回帰する。
本研究では,6次元ポーズ推定において対象物体が剛性であるという事実を利用した剛性認識検出手法を提案する。
このアプローチの成功の鍵となるのは可視性マップであり、これは境界ボックス内の各ピクセルとボックス境界の間の最小障壁距離を用いて構築することを提案する。
論文 参考訳(メタデータ) (2023-03-22T09:02:54Z) - Spatio-Temporal Context Modeling for Road Obstacle Detection [12.464149169670735]
トレーニングデータのレイアウトを用いて、駆動シーンのデータ駆動コンテキスト時間モデルを構築する。
障害物は最先端のオブジェクト検出アルゴリズムによって検出され、結果は生成されたシーンと組み合わせられる。
論文 参考訳(メタデータ) (2023-01-19T07:06:35Z) - Real-Time Accident Detection in Traffic Surveillance Using Deep Learning [0.8808993671472349]
本稿では,交通監視用交差点における事故検出のための新しい効率的な枠組みを提案する。
提案手法は,最先端のYOLOv4法に基づく効率的かつ高精度な物体検出を含む,3つの階層的なステップから構成される。
提案フレームワークのロバスト性は,様々な照明条件でYouTubeから収集した映像シーケンスを用いて評価する。
論文 参考訳(メタデータ) (2022-08-12T19:07:20Z) - Object Class Aware Video Anomaly Detection through Image Translation [1.2944868613449219]
本稿では、画像翻訳タスクを通して正常な外見と動きパターンを学習する2ストリームオブジェクト認識型VAD手法を提案する。
その結果,従来の手法の大幅な改善により,本手法による検出は完全に説明可能となり,異常はフレーム内で正確に局所化されることがわかった。
論文 参考訳(メタデータ) (2022-05-03T18:04:27Z) - Improved detection of small objects in road network sequences [0.0]
本稿では,畳み込みニューラルネットワークによる検出に基づく超解像プロセスを適用し,小型物体の検出手法を提案する。
本研究は, 異なるスケールの要素を含むトラヒック画像の集合に対して, モデルにより得られた検出値に従って効率を試験するために試験された。
論文 参考訳(メタデータ) (2021-05-18T10:13:23Z) - Pretrained equivariant features improve unsupervised landmark discovery [69.02115180674885]
我々は、この課題を克服する2段階の教師なしアプローチを、強力なピクセルベースの特徴を初めて学習することによって定式化する。
本手法は,いくつかの難解なランドマーク検出データセットにおいて最先端の結果を生成する。
論文 参考訳(メタデータ) (2021-04-07T05:42:11Z) - Dense Label Encoding for Boundary Discontinuity Free Rotation Detection [69.75559390700887]
本稿では,分類に基づく比較的研究の少ない方法論について検討する。
我々は2つの側面でフロンティアを推し進めるための新しい手法を提案する。
航空画像のための大規模公開データセットの実験と視覚解析は,我々のアプローチの有効性を示している。
論文 参考訳(メタデータ) (2020-11-19T05:42:02Z) - Slender Object Detection: Diagnoses and Improvements [74.40792217534]
本稿では,超高アスペクト比,すなわちtextbfslender オブジェクトの特定タイプの検出について検討する。
古典的物体検出法では、細い物体に対してのみ評価される場合、COCO上の18.9%のmAPの劇的な低下が観察される。
論文 参考訳(メタデータ) (2020-11-17T09:39:42Z) - Detecting Lane and Road Markings at A Distance with Perspective
Transformer Layers [5.033948921121557]
既存の手法では、検出精度は距離の増大とともに劣化することが多い。
これは、遠車線や道路標識が画像中の少数のピクセルを占有しているためである。
逆のパースペクティブマッピングは、パースペクティブの歪みを取り除くために使用できるが、本質的にはアーティファクトに繋がる可能性がある。
論文 参考訳(メタデータ) (2020-03-19T03:22:52Z)
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。