論文の概要: Robust Roadside Perception: an Automated Data Synthesis Pipeline Minimizing Human Annotation

• arxiv url: http://arxiv.org/abs/2306.17302v2
• Date: Thu, 8 Feb 2024 20:08:37 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-12 20:56:21.034545
• Title: Robust Roadside Perception: an Automated Data Synthesis Pipeline Minimizing Human Annotation
• Title（参考訳）: ロバストな道端認識:人間のアノテーションを最小限にする自動データ合成パイプライン
• Authors: Rusheng Zhang, Depu Meng, Lance Bassett, Shengyin Shen, Zhengxia Zou, Henry X. Liu
• Abstract要約: 高品質なラベル付き道路センサデータの多様性の欠如は、ロバスト性を低下させる。 生成Adrial Networkは、さらに現実性を高めるために適用され、フォトリアリスティック合成データセットを生成する。 我々のアプローチは、ミシガン州の2つの重要な交差点であるマキティ交差点と州立セント・エルズワースRdラウンドアバウトで厳格にテストされた。
• 参考スコア（独自算出の注目度）: 16.51811916515588
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently, advancements in vehicle-to-infrastructure communication technologies have elevated the significance of infrastructure-based roadside perception systems for cooperative driving. This paper delves into one of its most pivotal challenges: data insufficiency. The lacking of high-quality labeled roadside sensor data with high diversity leads to low robustness, and low transfer-ability of current roadside perception systems. In this paper, a novel solution is proposed to address this problem that creates synthesized training data using Augmented Reality. A Generative Adversarial Network is then applied to enhance the reality further, that produces a photo-realistic synthesized dataset that is capable of training or fine-tuning a roadside perception detector which is robust to different weather and lighting conditions. Our approach was rigorously tested at two key intersections in Michigan, USA: the Mcity intersection and the State St./Ellsworth Rd roundabout. The Mcity intersection is located within the Mcity test field, a controlled testing environment. In contrast, the State St./Ellsworth Rd intersection is a bustling roundabout notorious for its high traffic flow and a significant number of accidents annually. Experimental results demonstrate that detectors trained solely on synthesized data exhibit commendable performance across all conditions. Furthermore, when integrated with labeled data, the synthesized data can notably bolster the performance of pre-existing detectors, especially in adverse conditions.
• Abstract（参考訳）: 近年,車内通信技術の進歩により,協調運転におけるインフラ型道路認識システムの重要性が高まっている。 この論文は、データ不足という最も重要な課題の1つに分類します。 高品質なラベル付き道路側センサデータの多様性の欠如は、現在の道路側認識システムのロバスト性、低転送性をもたらす。 本稿では,Augmented Realityを用いて合成トレーニングデータを生成する新しい手法を提案する。 そして、ジェネレーティブ・アドバイサル・ネットワーク(Generative Adversarial Network)を適用して現実をさらに強化し、異なる天候や照明条件に対して堅牢な道路側認識検出器を訓練または微調整できる写真リアルな合成データセットを生成する。 私たちのアプローチは、ミシガン州の2つの重要な交差点、mcity交差点とstate stで厳密にテストされました。 /Ellsworth Rd roundabout mcityの交差点は、制御されたテスト環境であるmcityテストフィールド内にある。 対照的に、州はセントである。 エルスワースRd交差点は交通量が多く、毎年かなりの事故が起きていることで有名である。 実験の結果, 合成データのみに学習された検出器は, あらゆる条件において可換性能を示すことがわかった。 さらに、ラベル付きデータと統合すると、この合成データは、特に悪条件において、既存の検出器の性能を著しく向上させることができる。

関連論文リスト

• Smart Infrastructure: A Research Junction [5.172393727004225]
  本稿では,ドイツ・アシャッフェンブルクの公的な市内交差点に位置する視覚センサ技術を備えたインテリジェントな研究基盤について紹介する。 マルチビューカメラシステムは、交通状況を監視し、道路利用者の行動を知覚する。 このシステムは、データ生成の研究、新しいHADセンサーシステム、アルゴリズム、人工知能(AI)トレーニング戦略の評価に使用される。
  論文  参考訳（メタデータ） (2023-07-12T14:04:12Z)
• The IMPTC Dataset: An Infrastructural Multi-Person Trajectory and Context Dataset [4.413278371057897]
  市内の交差点は、怪我や致命的な事故で最も重要な交通エリアである。 われわれは、ドイツのインテリジェントな公共都市交差点と視覚センサー技術を使用している。 得られたデータセットは8時間の計測データから構成される。
  論文  参考訳（メタデータ） (2023-07-12T13:46:20Z)
• Exploring Contextual Representation and Multi-Modality for End-to-End Autonomous Driving [58.879758550901364]
  最近の知覚システムは、センサー融合による空間理解を高めるが、しばしば完全な環境コンテキストを欠いている。 我々は,3台のカメラを統合し,人間の視野をエミュレートするフレームワークを導入し,トップダウンのバードアイビューセマンティックデータと組み合わせて文脈表現を強化する。 提案手法は, オープンループ設定において0.67mの変位誤差を達成し, nuScenesデータセットでは6.9%の精度で現在の手法を上回っている。
  論文  参考訳（メタデータ） (2022-10-13T05:56:20Z)
• SIND: A Drone Dataset at Signalized Intersection in China [24.177976559875066]
  本稿では,中国天津市で典型的な2相信号化交差点を選定する。 パイプラインはSIND(Signalized Intersection)を構築するために設計されており、7種類の13,000以上のTPを含む7時間の録音を含む。 SINDは、トラヒックライト状態、モーションパラメータ、High Definition(HD)マップなど、より包括的な情報を提供する。
  論文  参考訳（メタデータ） (2022-09-06T08:49:44Z)
• Edge-Aided Sensor Data Sharing in Vehicular Communication Networks [8.67588704947974]
  車両・車間通信と車両・車間通信を併用した車両ネットワークにおけるセンサデータ共有と融合を考察する。 本稿では、エッジサーバが車両からセンサ計測データを収集・キャッシュするBidirectional Feedback Noise Estimation (BiFNoE) 手法を提案する。 認識精度は平均80%向上し, アップリンクは12kbps, ダウンリンク帯域は28kbpsであった。
  論文  参考訳（メタデータ） (2022-06-17T16:30:56Z)
• Vision in adverse weather: Augmentation using CycleGANs with various object detectors for robust perception in autonomous racing [70.16043883381677]
  自律レースでは、天気は突然変化し、認識が著しく低下し、非効率な操作が引き起こされる。 悪天候の検知を改善するために、ディープラーニングベースのモデルは通常、そのような状況下でキャプチャされた広範なデータセットを必要とする。 本稿では,5つの最先端検出器のうち4つの性能向上を図るために,自動レース(CycleGANを用いた)における合成悪条件データセットを用いた手法を提案する。
  論文  参考訳（メタデータ） (2022-01-10T10:02:40Z)
• An Experimental Urban Case Study with Various Data Sources and a Model for Traffic Estimation [65.28133251370055]
  我々はスイスのチューリッヒの都市ネットワーク内の地域でビデオ計測による実験キャンペーンを組織した。 我々は,既存のサーマルカメラからの測定を確実にすることで,交通の流れや走行時間の観点からの交通状況の把握に注力する。 本稿では,様々なデータソースの融合による移動時間を推定するために,単純かつ効率的な多重線形回帰(MLR)モデルを提案する。
  論文  参考訳（メタデータ） (2021-08-02T08:13:57Z)
• Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
  ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。 降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
  論文  参考訳（メタデータ） (2021-07-14T21:10:47Z)
• Multi-Modal Fusion Transformer for End-to-End Autonomous Driving [59.60483620730437]
  画像表現とLiDAR表現を注目で統合する,新しいマルチモードフュージョントランスフォーマであるTransFuserを提案する。 本手法は, 衝突を76%低減しつつ, 最先端駆動性能を実現する。
  論文  参考訳（メタデータ） (2021-04-19T11:48:13Z)
• 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)
• High-Precision Digital Traffic Recording with Multi-LiDAR Infrastructure Sensor Setups [0.0]
  融解したLiDAR点雲と単一LiDAR点雲との差について検討した。 抽出した軌道の評価は, 融合インフラストラクチャーアプローチが追跡結果を著しく増加させ, 数cm以内の精度に達することを示す。
  論文  参考訳（メタデータ） (2020-06-22T10:57:52Z)

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。