論文の概要: DRUformer: Enhancing the driving scene Important object detection with driving relationship self-understanding

• arxiv url: http://arxiv.org/abs/2311.06497v2
• Date: Thu, 14 Dec 2023 04:08:48 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-16 03:43:25.765215
• Title: DRUformer: Enhancing the driving scene Important object detection with driving relationship self-understanding
• Title（参考訳）: druformer: 運転場面の強化 運転関係の自己理解による重要物体検出
• Authors: Yingjie Niu, Ming Ding, Keisuke Fujii, Kento Ohtani, Alexander Carballo, Kazuya Takeda
• Abstract要約: 交通事故はしばしば致命傷を負い、2023年まで5000万人以上の死者を出した。 従来の研究は、主に個々の参加者の重要性を評価し、それらを独立した存在として扱うものであった。 本稿では、重要な物体検出タスクを強化するために、運転シーン関連自己理解変換器(DRUformer)を紹介する。
• 参考スコア（独自算出の注目度）: 50.81809690183755
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Traffic accidents frequently lead to fatal injuries, contributing to over 50 million deaths until 2023. To mitigate driving hazards and ensure personal safety, it is crucial to assist vehicles in anticipating important objects during travel. Previous research on important object detection primarily assessed the importance of individual participants, treating them as independent entities and frequently overlooking the connections between these participants. Unfortunately, this approach has proven less effective in detecting important objects in complex scenarios. In response, we introduce Driving scene Relationship self-Understanding transformer (DRUformer), designed to enhance the important object detection task. The DRUformer is a transformer-based multi-modal important object detection model that takes into account the relationships between all the participants in the driving scenario. Recognizing that driving intention also significantly affects the detection of important objects during driving, we have incorporated a module for embedding driving intention. To assess the performance of our approach, we conducted a comparative experiment on the DRAMA dataset, pitting our model against other state-of-the-art (SOTA) models. The results demonstrated a noteworthy 16.2\% improvement in mIoU and a substantial 12.3\% boost in ACC compared to SOTA methods. Furthermore, we conducted a qualitative analysis of our model's ability to detect important objects across different road scenarios and classes, highlighting its effectiveness in diverse contexts. Finally, we conducted various ablation studies to assess the efficiency of the proposed modules in our DRUformer model.
• Abstract（参考訳）: 交通事故はしばしば致命傷を負い、2023年まで5000万人以上の死者を出した。 運転の危険を軽減し、個人の安全を確保するためには、走行中の重要な物体を予測するための車両支援が不可欠である。 重要物体検出に関するこれまでの研究は、主に個々の参加者の重要性を評価し、それらを独立した実体として扱い、それらの参加者間のつながりをよく見落としていた。 残念ながら、このアプローチは複雑なシナリオで重要なオブジェクトを検出するのにあまり効果がないことが分かっています。 そこで本研究では,重要な物体検出タスクを強化するために,運転シーン関連自己理解トランス (DRUformer) を提案する。 druformerはトランスフォーマティブベースのマルチモーダル重要な物体検出モデルであり、運転シナリオのすべての参加者間の関係を考慮に入れている。 運転意図が運転中の重要な物体の検出に大きく影響していることを認識し,運転意図を埋め込むモジュールを組み込んだ。 提案手法の性能を評価するために,演劇データセットの比較実験を行い,他の最先端(sota)モデルと比較した。 その結果、mIoUの16.2\%改善とACCの12.3\%向上がSOTA法と比較して顕著に示された。 さらに,様々な道路シナリオやクラスにまたがる重要な物体を検出できるモデルの質的分析を行い,多様な文脈における有効性に注目した。 最後に,druformerモデルにおいて提案するモジュールの効率を評価するため,様々なアブレーション実験を行った。

関連論文リスト

• On-Road Object Importance Estimation: A New Dataset and A Model with Multi-Fold Top-Down Guidance [70.80612792049315]
  本稿では,交通オブジェクト重要度(TOI)という,新しい大規模データセットを提案する。 ボトムアップ機能とマルチフォールドトップダウンガイダンスを統合するモデルを提案する。 我々のモデルは最先端の手法を大きなマージンで上回る。
  論文  参考訳（メタデータ） (2024-11-26T06:37:10Z)
• Effects of Real-Life Traffic Sign Alteration on YOLOv7- an Object Recognition Model [1.6334452280183571]
  本研究では,物体認識の精度と有効性に対する交通標識の変化の影響について検討した。 形状、色、コンテンツ、可視性、角度、背景の変更を導入するために、公開データセットを使用している。 この研究は、異常な状況下で交通標識に直面すると、検出と分類の精度が著しく低下することを示している。
  論文  参考訳（メタデータ） (2023-05-09T14:51:29Z)
• 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)
• Suspected Object Matters: Rethinking Model's Prediction for One-stage Visual Grounding [93.82542533426766]
  疑似オブジェクト間の対象オブジェクト選択を促進するため,疑似オブジェクト変換機構(SOT)を提案する。 SOTは既存のCNNとTransformerベースのワンステージ視覚グラウンドにシームレスに統合できる。 実験の結果,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2022-03-10T06:41:07Z)
• Important Object Identification with Semi-Supervised Learning for Autonomous Driving [37.654878298744855]
  本稿では,エゴセントリック駆動シナリオにおける重要な物体識別のための新しい手法を提案する。 モデルが無制限なラベル付きデータから学習できるようにするための,半教師付き学習パイプラインを提案する。 私たちのアプローチはルールベースのベースラインよりも大きなマージンで優れています。
  論文  参考訳（メタデータ） (2022-03-05T01:23:13Z)
• Evaluating Object (mis)Detection from a Safety and Reliability Perspective: Discussion and Measures [1.8492669447784602]
  本稿では,最も危険で運転決定に影響を及ぼす可能性が最も高い物体の正確な識別に報いる新しい物体検出手法を提案する。 我々は、最近の自律走行データセットnuScenesにモデルを適用し、9つの物体検出器を比較した。 その結果、いくつかの環境では、安全性と信頼性に重点を置いている場合、nuScenesランキングでベストに機能するオブジェクト検出器は好ましくないことが判明した。
  論文  参考訳（メタデータ） (2022-03-04T09:31:20Z)
• Modeling Interactions of Autonomous Vehicles and Pedestrians with Deep Multi-Agent Reinforcement Learning for Collision Avoidance [20.542143534865154]
  本研究では,対話系列をマルコフ決定過程 (MDP) としてモデル化し,深部強化学習 (DRL) アルゴリズムを用いて解析する。 知的歩行者行動の異なるPCAMシステムは,エージェントの衝突速度と結果の交通流効率に応じてベンチマークを行う。 その結果, AV は実験条件の大部分で完全に衝突を緩和できることがわかった。
  論文  参考訳（メタデータ） (2021-09-30T17:06:39Z)
• 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)
• Studying Person-Specific Pointing and Gaze Behavior for Multimodal Referencing of Outside Objects from a Moving Vehicle [58.720142291102135]
  物体選択と参照のための自動車応用において、手指しと目視が広く研究されている。 既存の車外参照手法は静的な状況に重点を置いているが、移動車両の状況は極めて動的であり、安全性に制約がある。 本研究では,外部オブジェクトを参照するタスクにおいて,各モダリティの具体的特徴とそれら間の相互作用について検討する。
  論文  参考訳（メタデータ） (2020-09-23T14:56:19Z)
• Interaction Graphs for Object Importance Estimation in On-road Driving Videos [9.344790309080283]
  ドライバーのリアルタイム意思決定における各オブジェクトの重要性を推定する学習は、人間の運転行動をよりよく理解するのに役立ちます。 相互作用グラフを用いたオブジェクト重要度推定のための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-03-12T22:28:56Z)

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。