論文の概要: DALNet: A Rail Detection Network Based on Dynamic Anchor Line
- arxiv url: http://arxiv.org/abs/2308.11381v1
- Date: Tue, 22 Aug 2023 12:12:59 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-23 18:09:34.257049
- Title: DALNet: A Rail Detection Network Based on Dynamic Anchor Line
- Title（参考訳）: DALNet:動的アンカーラインに基づく鉄道検出ネットワーク
- Authors: Zichen Yu, Quanli Liu, Wei Wang, Liyong Zhang, Xiaoguang Zhao
- Abstract要約: 鉄道検出は、インテリジェントな列車にとって重要な要素の1つである。
我々は動的アンカー線に基づくDALNetと呼ばれる鉄道検出ネットワークを提案する。
- 参考スコア（独自算出の注目度）: 5.413443050594989
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Rail detection is one of the key factors for intelligent train. In the paper,
motivated by the anchor line-based lane detection methods, we propose a rail
detection network called DALNet based on dynamic anchor line. Aiming to solve
the problem that the predefined anchor line is image agnostic, we design a
novel dynamic anchor line mechanism. It utilizes a dynamic anchor line
generator to dynamically generate an appropriate anchor line for each rail
instance based on the position and shape of the rails in the input image. These
dynamically generated anchor lines can be considered as better position
references to accurately localize the rails than the predefined anchor lines.
In addition, we present a challenging urban rail detection dataset DL-Rail with
high-quality annotations and scenario diversity. DL-Rail contains 7000 pairs of
images and annotations along with scene tags, and it is expected to encourage
the development of rail detection. We extensively compare DALNet with many
competitive lane methods. The results show that our DALNet achieves
state-of-the-art performance on our DL-Rail rail detection dataset and the
popular Tusimple and LLAMAS lane detection benchmarks. The code will be
released at \url{https://github.com/Yzichen/mmLaneDet}.
- Abstract（参考訳）: レール検出は、インテリジェントトレインの重要な要素の1つである。
本稿では,アンカー線に基づく車線検出手法を動機とし,動的アンカー線に基づくdalnetと呼ばれるレール検出ネットワークを提案する。
予め定義されたアンカー線が画像に依存しないという問題を解決するため,新しい動的アンカー線機構を設計する。
動的アンカーラインジェネレータを用いて、入力画像中のレールの位置と形状に基づいて、各レールインスタンスに対して適切なアンカーラインを動的に生成する。
これらの動的に生成されたアンカー線は、予め定義されたアンカー線よりも正確にレールをローカライズするためのより良い位置参照と見なすことができる。
さらに,高品質なアノテーションとシナリオ多様性を備えた都市レール検出データセットDL-Railを提案する。
DL-Railには7000対のイメージとアノテーションとシーンタグが含まれており、レール検出の開発を促進することが期待されている。
DALNetを多くの競合車線法と比較した。
その結果,dl-railレール検出データセットと一般的なtusimpleおよびllamasレーン検出ベンチマークでdalnetが最先端のパフォーマンスを達成できた。
コードは \url{https://github.com/Yzichen/mmLaneDet} でリリースされる。
関連論文リスト
- Ultra-Fast Adaptive Track Detection Network [4.873803159184741]
本稿では,超高速適応トラック検出ネットワークを提案する。
SRailデータセットのF1スコアは98.68%、検出レートは473 FPSである。
論文 参考訳（メタデータ） (2024-05-22T11:19:26Z) - Rail Detection: An Efficient Row-based Network and A New Benchmark [16.811407800603664]
7432対のイメージとアノテーションを備えた実世界の鉄道データセットRail-DBを提示する。
軽量な畳み込みバックボーンとアンカー分類器を備えた効率的な行ベースレール検出手法であるRail-Netを提案する。
我々はRail-Net on Rail-DBについて,ResNetからVision Transformerに至るまでのクロスシーン設定やネットワークバックボーンを含む広範な実験により評価した。
論文 参考訳（メタデータ） (2023-04-12T07:44:50Z) - TPE-Net: Track Point Extraction and Association Network for Rail Path
Proposal Generation [1.9181913148426697]
本稿では,TPE-Netと呼ばれる畳み込み型エンコーダデコーダアーキテクチャを提案する。
カメラパラメータや3Dデータ、幾何学的制約に依存することなく、強力な鉄道経路仮説を生成する。
論文 参考訳（メタデータ） (2023-02-11T22:49:06Z) - DeepLSD: Line Segment Detection and Refinement with Deep Image Gradients [105.25109274550607]
ラインセグメントは、視覚タスクでますます使われています。
画像勾配に基づく従来の線検出器は非常に高速で精度が高いが、ノイズの多い画像や困難な条件では頑丈さに欠ける。
我々は、両方の世界を最大限に活用するために、伝統的なアプローチと学習されたアプローチを組み合わせることを提案する。
論文 参考訳（メタデータ） (2022-12-15T12:36:49Z) - MFGNet: Dynamic Modality-Aware Filter Generation for RGB-T Tracking [72.65494220685525]
可視データと熱データ間のメッセージ通信を促進するために,新しい動的モダリティ対応フィルタ生成モジュール(MFGNet)を提案する。
我々は、2つの独立ネットワークを持つ動的モダリティ対応フィルタを生成し、その可視フィルタとサーマルフィルタをそれぞれ、対応する入力特徴写像上で動的畳み込み演算を行う。
重閉塞,高速移動,外見による問題に対処するため,新たな方向認識型目標誘導型アテンション機構を活用することで,共同で局所的・グローバル検索を行うことを提案する。
論文 参考訳（メタデータ） (2021-07-22T03:10:51Z) - SOLD2: Self-supervised Occlusion-aware Line Description and Detection [95.8719432775724]
単一深層ネットワークにおける回線セグメントの最初の共同検出と記述について紹介します。
我々の手法は注釈付き行ラベルを必要としないため、任意のデータセットに一般化することができる。
複数のマルチビューデータセットにおいて,従来の行検出と記述方法に対するアプローチを評価した。
論文 参考訳（メタデータ） (2021-04-07T19:27:17Z) - RONELD: Robust Neural Network Output Enhancement for Active Lane
Detection [1.3965477771846408]
最近の最先端車線検出アルゴリズムは、畳み込みニューラルネットワーク(CNN)を用いてディープラーニングモデルを訓練している。
アクティブレーン検出(RONELD)のための実時間ロバストニューラルネットワーク出力向上手法を提案する。
RONELDの精度は最大2倍に向上した。
論文 参考訳（メタデータ） (2020-10-19T14:22:47Z) - Tracklets Predicting Based Adaptive Graph Tracking [51.352829280902114]
マルチオブジェクト追跡,すなわち textbfTPAGT のための,正確かつエンドツーエンドの学習フレームワークを提案する。
動作予測に基づいて、現在のフレーム内のトラックレットの特徴を再抽出する。
論文 参考訳（メタデータ） (2020-10-18T16:16:49Z) - 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) - Learning Dynamic Routing for Semantic Segmentation [86.56049245100084]
本稿では,動的ルーティングと呼ばれる意味表現のスケール分散を緩和する概念的に新しい手法を提案する。
提案フレームワークは,各画像のスケール分布に適応して,データ依存経路を生成する。
この目的のために、ハエのスケール変換経路を選択するために、ソフトコンディショナルゲートと呼ばれる微分可能なゲーティング関数を提案する。
論文 参考訳（メタデータ） (2020-03-23T17:22:14Z)
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。