論文の概要: PPD: A New Valet Parking Pedestrian Fisheye Dataset for Autonomous Driving

• arxiv url: http://arxiv.org/abs/2309.11002v1
• Date: Wed, 20 Sep 2023 01:55:19 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-21 17:32:53.986915
• Title: PPD: A New Valet Parking Pedestrian Fisheye Dataset for Autonomous Driving
• Title（参考訳）: PPD: 自動走行のための歩行者用魚眼データセット
• Authors: Zizhang Wu, Xinyuan Chen, Fan Song, Yuanzhu Gan, Tianhao Xu, Jian Pu, Rui Tang
• Abstract要約: 駐車歩行者のデータセットは、魚眼カメラで捕獲されたいくつかの特徴的なタイプの歩行者で構成されている。 歩行者検出ベースラインをPDDデータセット上に提示し、ベースラインを改善するために2つのデータ拡張手法を導入する。
• 参考スコア（独自算出の注目度）: 18.71208933251644
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Pedestrian detection under valet parking scenarios is fundamental for autonomous driving. However, the presence of pedestrians can be manifested in a variety of ways and postures under imperfect ambient conditions, which can adversely affect detection performance. Furthermore, models trained on publicdatasets that include pedestrians generally provide suboptimal outcomes for these valet parking scenarios. In this paper, wepresent the Parking Pedestrian Dataset (PPD), a large-scale fisheye dataset to support research dealing with real-world pedestrians, especially with occlusions and diverse postures. PPD consists of several distinctive types of pedestrians captured with fisheye cameras. Additionally, we present a pedestrian detection baseline on PPD dataset, and introduce two data augmentation techniques to improve the baseline by enhancing the diversity ofthe original dataset. Extensive experiments validate the effectiveness of our novel data augmentation approaches over baselinesand the dataset's exceptional generalizability.
• Abstract（参考訳）: バレット駐車シナリオ下での歩行者検出は、自動運転に不可欠である。 しかし, 歩行者の存在は, 不完全な環境条件下での姿勢や様々な方法で現れ, 検出性能に悪影響を及ぼす可能性がある。 さらに、歩行者を含む公共データセットで訓練されたモデルは、一般的にこれらのバレット駐車シナリオに対して最適な結果をもたらす。 本稿では,実世界の歩行者,特に咬合や多様な姿勢に関する研究を支援する大規模魚眼データセットであるppd(parking pedestrian dataset)について紹介する。 PPDは、魚眼カメラで捉えたいくつかの特徴的なタイプの歩行者で構成されている。 さらに,歩行者検出ベースラインをPDDデータセット上に提示し,元のデータセットの多様性を高めてベースラインを改善するための2つのデータ拡張手法を提案する。 大規模な実験により、ベースラインとデータセットの異常な一般化可能性に対する新しいデータ拡張アプローチの有効性が検証された。

関連論文リスト

• 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)
• SKoPe3D: A Synthetic Dataset for Vehicle Keypoint Perception in 3D from Traffic Monitoring Cameras [26.457695296042903]
  道路側から見たユニークな合成車両キーポイントデータセットであるSKoPe3Dを提案する。 SKoPe3Dには150万以上の車両インスタンスと490万のキーポイントがある。 実験では、データセットの適用性と、合成データと実世界のデータ間の知識伝達の可能性を強調した。
  論文  参考訳（メタデータ） (2023-09-04T02:57:30Z)
• Surround-view Fisheye BEV-Perception for Valet Parking: Dataset, Baseline and Distortion-insensitive Multi-task Framework [14.165082243555988]
  バレット駐車シーン下での目視魚眼知覚は、自律運転において不可欠かつ不可欠である。 魚眼パーキングデータセットと呼ばれる大規模魚眼データセットを導入する。 また、リアルタイムの歪みに敏感なマルチタスク・フレームワーク、フィッシュアイ知覚ネットワーク(FPNet)を提案する。
  論文  参考訳（メタデータ） (2022-12-08T07:06:08Z)
• DOLPHINS: Dataset for Collaborative Perception enabled Harmonious and Interconnected Self-driving [19.66714697653504]
  V2Xネットワークは、自動運転における協調的な認識を可能にしている。 データセットの欠如は、協調認識アルゴリズムの開発を著しく妨げている。 DOLPHINS: cOllaborative Perception を実現するためのデータセットである Harmonious と Inter connected Self-driving をリリースする。
  論文  参考訳（メタデータ） (2022-07-15T17:07:07Z)
• SurroundDepth: Entangling Surrounding Views for Self-Supervised Multi-Camera Depth Estimation [101.55622133406446]
  本研究では,複数の周囲からの情報を組み込んだSurroundDepth法を提案し,カメラ間の深度マップの予測を行う。 具体的には、周囲のすべてのビューを処理し、複数のビューから情報を効果的に融合するクロスビュー変換器を提案する。 実験において,本手法は,挑戦的なマルチカメラ深度推定データセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2022-04-07T17:58:47Z)
• Pedestrian Detection: Domain Generalization, CNNs, Transformers and Beyond [82.37430109152383]
  その結果、現在の歩行者検知器は、クロスデータセット評価において、たとえ小さな領域シフトであっても処理が不十分であることがわかった。 限定的な一般化は、その方法と現在のデータ源の2つの主要な要因に帰着する。 本稿では、一般化を改善する進歩的な微調整戦略を提案する。
  論文  参考訳（メタデータ） (2022-01-10T06:00:26Z)
• PSI: A Pedestrian Behavior Dataset for Socially Intelligent Autonomous Car [47.01116716025731]
  本稿では、IUPUI-CSRC Pedestrian Situated Intent(PSI)データと呼ばれる別のベンチマークデータセットを提案し、共有する。 最初の新しいラベルは、24人のドライバーによって達成されたエゴ車両の前を歩行者が横断する動的な意図の変化である。 2つ目は、歩行者の意図を推定し、その行動を予測するときに、運転者の推論プロセスに関するテキストベースの説明である。
  論文  参考訳（メタデータ） (2021-12-05T15:54:57Z)
• Fine-Grained Vehicle Perception via 3D Part-Guided Visual Data Augmentation [77.60050239225086]
  実画像中の車両に動的部品を付加した3次元自動車モデルによる効果的なトレーニングデータ生成プロセスを提案する。 私達のアプローチは人間の相互作用なしで完全に自動です。 VUS解析用マルチタスクネットワークとVHI解析用マルチストリームネットワークを提案する。
  論文  参考訳（メタデータ） (2020-12-15T03:03:38Z)
• Detecting 32 Pedestrian Attributes for Autonomous Vehicles [103.87351701138554]
  本稿では、歩行者を共同で検出し、32の歩行者属性を認識するという課題に対処する。 本稿では,複合フィールドフレームワークを用いたマルチタスク学習(MTL)モデルを提案する。 競合検出と属性認識の結果と,より安定したMTLトレーニングを示す。
  論文  参考訳（メタデータ） (2020-12-04T15:10:12Z)
• The P-DESTRE: A Fully Annotated Dataset for Pedestrian Detection, Tracking, Re-Identification and Search from Aerial Devices [7.095987222706225]
  本稿では,複数日にわたって一貫したIDアノテーションを提供するP-DESTREデータセットについて紹介する。 我々はまた、よく知られた監視データセットにおいて、最先端の歩行者検出、追跡、再同定、検索技術によって得られた結果を比較した。 データセットと実施した経験的評価の完全な詳細はhttp://p-destre.di.ubi.pt/.comで無償公開されている。
  論文  参考訳（メタデータ） (2020-04-06T16:17:32Z)
• Generalizable Pedestrian Detection: The Elephant In The Room [82.37430109152383]
  既存の最先端の歩行者検出器は、同じデータセット上でトレーニングやテストを行う際には、非常によく機能するが、データセット間の評価では、十分に一般化されていない。 ウェブをクロールすることで収集される多様で高密度なデータセットは、歩行者検出のための事前学習の効率的な情報源であることを示す。
  論文  参考訳（メタデータ） (2020-03-19T14:14:52Z)

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。