論文の概要: On Offline Evaluation of 3D Object Detection for Autonomous Driving

• arxiv url: http://arxiv.org/abs/2308.12779v1
• Date: Thu, 24 Aug 2023 13:31:51 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-25 13:57:21.889917
• Title: On Offline Evaluation of 3D Object Detection for Autonomous Driving
• Title（参考訳）: 自律運転における3次元物体検出のオフライン評価
• Authors: Tim Schreier, Katrin Renz, Andreas Geiger, Kashyap Chitta
• Abstract要約: 我々は、検知器が完全な自動運転スタックに統合されたときに、予測的な異なる検出指標が、パフォーマンスを駆動するかどうかを測定する。 nuScenes Detection Scoreは、広く使われている平均精度測定値よりも駆動性能に高い相関関係があることが判明した。
• 参考スコア（独自算出の注目度）: 33.16617625256519
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Prior work in 3D object detection evaluates models using offline metrics like average precision since closed-loop online evaluation on the downstream driving task is costly. However, it is unclear how indicative offline results are of driving performance. In this work, we perform the first empirical evaluation measuring how predictive different detection metrics are of driving performance when detectors are integrated into a full self-driving stack. We conduct extensive experiments on urban driving in the CARLA simulator using 16 object detection models. We find that the nuScenes Detection Score has a higher correlation to driving performance than the widely used average precision metric. In addition, our results call for caution on the exclusive reliance on the emerging class of `planner-centric' metrics.
• Abstract（参考訳）: 3dオブジェクト検出における事前の作業は、ダウンストリーム運転タスクのクローズドループオンライン評価がコストがかかるため、平均精度のようなオフラインメトリクスを使用してモデルを評価する。 しかし、オフラインの結果がどの程度の駆動性能を示すかは明らかではない。 本研究では,検知器を完全自動運転スタックに統合した場合の予測的異なる検出指標が運転性能に与える影響を,初めて実証評価する。 我々は16の物体検出モデルを用いたCARLAシミュレータで都市走行実験を行った。 nuScenes Detection Scoreは、広く使われている平均精度測定値よりも駆動性能に高い相関関係があることが判明した。 さらに,この結果から,「プランナー中心」メトリクスの新興クラスへの排他的依存に注意を喚起する。

関連論文リスト

• Cross-Camera Distracted Driver Classification through Feature Disentanglement and Contrastive Learning [13.613407983544427]
  車両内のカメラ位置の変化に耐えられるような頑健なモデルを導入する。 我々のドライバ行動監視ネットワーク(DBMNet)は軽量なバックボーンに依存し、アンタングルメントモジュールを統合する。 100-Driverデータセットの夜間および夜間のサブセットで行った実験は、我々のアプローチの有効性を検証した。
  論文  参考訳（メタデータ） (2024-11-20T10:27:12Z)
• Automatic Odometry-Less OpenDRIVE Generation From Sparse Point Clouds [1.3351610617039973]
  高解像度道路表現は、自動運転機能の成功の鍵となる要素である。 本稿では,ポイントクラウド情報のみに基づいて,現実的な道路表現を生成する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-05-13T08:26:24Z)
• Guiding Attention in End-to-End Driving Models [49.762868784033785]
  模倣学習によって訓練された視覚ベースのエンドツーエンドの運転モデルは、自動運転のための安価なソリューションにつながる可能性がある。 トレーニング中に損失項を追加することにより、これらのモデルの注意を誘導し、運転品質を向上させる方法について検討する。 従来の研究とは対照的に,本手法では,テスト期間中にこれらの有意義なセマンティックマップを利用できない。
  論文  参考訳（メタデータ） (2024-04-30T23:18:51Z)
• 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)
• 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)
• Towards Driving-Oriented Metric for Lane Detection Models [19.81163190104571]
  我々は、車線検出のための2つの新しい駆動指向メトリクスを設計する:エンド・ツー・エンド横方向偏差距離(E2E-LD)とフレームごとの擬似横方向偏差距離(PSLD)。 提案手法の有効性を評価するため,TuSimpleデータセットと新たに構築したComma2k19-LDの4種類のレーン検出手法を用いて大規模実験を行った。
  論文  参考訳（メタデータ） (2022-03-31T07:24:44Z)
• One Million Scenes for Autonomous Driving: ONCE Dataset [91.94189514073354]
  自律運転シナリオにおける3次元物体検出のためのONCEデータセットを提案する。 データは、利用可能な最大の3D自動運転データセットよりも20倍長い144時間の運転時間から選択される。 我々はONCEデータセット上で、様々な自己教師的・半教師的手法を再現し、評価する。
  論文  参考訳（メタデータ） (2021-06-21T12:28:08Z)
• IntentNet: Learning to Predict Intention from Raw Sensor Data [86.74403297781039]
  本論文では,LiDARセンサが生成する3次元点群と,環境の動的なマップの両方を利用するワンステージ検出器と予測器を開発した。 当社のマルチタスクモデルは、それぞれの別々のモジュールよりも高い精度を実現し、計算を節約します。
  論文  参考訳（メタデータ） (2021-01-20T00:31:52Z)
• Beelines: Motion Prediction Metrics for Self-Driving Safety and Comfort [4.670814682436471]
  動作予測が安全性に与える影響を定量化する2つの相補的指標を提案する。 我々の安全基準は、安全でない事象を特定する際の変位誤差よりもはるかに優れた信号対雑音比を有する。
  論文  参考訳（メタデータ） (2020-11-01T01:09:23Z)
• Learning to Evaluate Perception Models Using Planner-Centric Metrics [104.33349410009161]
  本稿では,自動運転のタスクに特化して,3次元物体検出の原理的基準を提案する。 私たちのメトリクスは、他のメトリクスが設計によって課す多くの間違いを罰します。 人間の評価では,基準基準値と基準値が一致しないシーンを生成し,基準値の79%が人間の側にあることがわかった。
  論文  参考訳（メタデータ） (2020-04-19T02:14:00Z)

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。