論文の概要: Small, but important: Traffic light proposals for detecting small traffic lights and beyond

• arxiv url: http://arxiv.org/abs/2307.15191v1
• Date: Thu, 27 Jul 2023 20:44:44 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-31 14:23:00.947438
• Title: Small, but important: Traffic light proposals for detecting small traffic lights and beyond
• Title（参考訳）: 小型だが重要:小型の信号機等を検知するための信号機の提案
• Authors: Tom Sanitz, Christian Wilms, Simone Frintrop
• Abstract要約: 本稿では,新しい信号機と新しい検出ヘッドを備える新しい信号機検出システムを提案する。 我々は、小さな信号機と小さな信号機で少なくとも12.6%の大幅な改善と、あらゆる規模の信号機に対して強力な結果を示した。
• 参考スコア（独自算出の注目度）: 4.468952886990851
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Traffic light detection is a challenging problem in the context of self-driving cars and driver assistance systems. While most existing systems produce good results on large traffic lights, detecting small and tiny ones is often overlooked. A key problem here is the inherent downsampling in CNNs, leading to low-resolution features for detection. To mitigate this problem, we propose a new traffic light detection system, comprising a novel traffic light proposal generator that utilizes findings from general object proposal generation, fine-grained multi-scale features, and attention for efficient processing. Moreover, we design a new detection head for classifying and refining our proposals. We evaluate our system on three challenging, publicly available datasets and compare it against six methods. The results show substantial improvements of at least $12.6\%$ on small and tiny traffic lights, as well as strong results across all sizes of traffic lights.
• Abstract（参考訳）: 交通信号検出は、自動運転車と運転支援システムの文脈において難しい問題である。 ほとんどの既存のシステムは大きな信号機で良い結果をもたらすが、小さなものや小さなものを検出することは見過ごされがちである。 ここでの重要な問題は、cnnの固有のダウンサンプリングであり、検出のための低解像度機能につながる。 この問題を軽減するため, 汎用オブジェクトの提案生成による発見, きめ細かなマルチスケール特徴, 効率的な処理のための注意を活かした新しいトラヒックライト提案生成器を備える新しいトラヒックライト検出システムを提案する。 さらに,提案手法の分類と精査のための新しい検出ヘッドを設計する。 3つの挑戦的な公開データセットでシステムを評価し,6つの方法と比較した。 結果は、小さな信号機と小さな信号機で少なくとも12.6\%の大幅な改善と、あらゆる大きさの信号機に対する強力な結果を示している。

関連論文リスト

• Monocular Lane Detection Based on Deep Learning: A Survey [51.19079381823076]
  車線検出は自律運転認識システムにおいて重要な役割を果たす。 ディープラーニングアルゴリズムが普及するにつれて、ディープラーニングに基づく単眼車線検出手法が優れた性能を示した。 本稿では, 成熟度の高い2次元車線検出手法と開発途上国の3次元車線検出技術の両方を網羅して, 既存手法の概要を概説する。
  論文  参考訳（メタデータ） (2024-11-25T12:09:43Z)
• Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
  本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。 提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。 実世界のデータセットの実験では、大幅な改善が示されている。
  論文  参考訳（メタデータ） (2023-09-21T15:00:31Z)
• Robust Traffic Light Detection Using Salience-Sensitive Loss: Computational Framework and Evaluations [0.3061098887924466]
  本稿では,運転者の将来の判断に影響を及ぼす信号として,信号機の定義に焦点をあてた交通信号検出モデルを提案する。 次に、このサリエンス特性を用いて、注釈付きサリエンス特性を持つ米国初のトラヒックライトデータセットであるLAVA Salient Lightsデータセットを構築する。 本研究では,Salience-Sensitive Focal Lossを用いたDeformable DETRオブジェクト検出トランスモデルを訓練し,サリアント信号の高機能化を図る。
  論文  参考訳（メタデータ） (2023-05-08T07:22:15Z)
• Camera-Radar Perception for Autonomous Vehicles and ADAS: Concepts, Datasets and Metrics [77.34726150561087]
  本研究の目的は、ADASおよび自動運転車のカメラおよびレーダーによる認識の現在のシナリオに関する研究を行うことである。 両センサと融合に関する概念と特徴を提示する。 本稿では、ディープラーニングに基づく検出とセグメンテーションタスクの概要と、車両の認識における主要なデータセット、メトリクス、課題、オープンな質問について説明する。
  論文  参考訳（メタデータ） (2023-03-08T00:48:32Z)
• TAD: A Large-Scale Benchmark for Traffic Accidents Detection from Video Surveillance [2.1076255329439304]
  既存の交通事故のデータセットは小規模で、監視カメラからではなく、オープンソースではない。 様々な次元による統合とアノテーションの後に,TADという大規模交通事故データセットが提案されている。
  論文  参考訳（メタデータ） (2022-09-26T03:00:50Z)
• 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)
• 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)
• A probabilistic model for missing traffic volume reconstruction based on data fusion [5.389118559012973]
  固定位置センサデータとプローブ車両データを融合し,交通量再構成の確率モデルを提案する。 実世界のトラヒックボリュームデータセットを用いて,提案手法が広く研究されているデータ問題に対する最先端手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-05-06T16:16:35Z)
• 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)
• 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)
• Training-free Monocular 3D Event Detection System for Traffic Surveillance [93.65240041833319]
  既存のイベント検出システムは、主に学習ベースであり、大量のトレーニングデータが利用可能な場合、十分なパフォーマンスを実現している。 現実のシナリオでは、十分なラベル付きトレーニングデータの収集は高価であり、時には不可能である。 本稿では,交通監視のためのトレーニング不要な単眼3Dイベント検出システムを提案する。
  論文  参考訳（メタデータ） (2020-02-01T04:42:57Z)

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。