論文の概要: Low-light Pedestrian Detection in Visible and Infrared Image Feeds: Issues and Challenges

• arxiv url: http://arxiv.org/abs/2311.08557v2
• Date: Thu, 31 Oct 2024 15:52:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-01 23:41:13.004852
• Title: Low-light Pedestrian Detection in Visible and Infrared Image Feeds: Issues and Challenges
• Title（参考訳）: 可視・赤外線画像フィードにおける低照度歩行者検出:課題と課題
• Authors: Thangarajah Akilan, Hrishikesh Vachhani,
• Abstract要約: 本研究は, 低照度歩行者検出手法の最近の展開を概観する。 地域ベースから非地域ベース、グラフベースの学習方法論まで、様々なアルゴリズムを体系的に分類し分析する。 高度な歩行者検出アルゴリズムの研究と開発に使用できる重要なベンチマークデータセットを概説する。
• 参考スコア（独自算出の注目度）: 2.6565101124248502
• License:
• Abstract: Pedestrian detection has become a cornerstone for several high-level tasks, including autonomous driving, intelligent transportation, and traffic surveillance. There are several works focussed on pedestrian detection using visible images, mainly in the daytime. However, this task is very intriguing when the environmental conditions change to poor lighting or nighttime. Recently, new ideas have been spurred to use alternative sources, such as Far InfraRed (FIR) temperature sensor feeds for detecting pedestrians in low-light conditions. This study reviews recent developments in low-light pedestrian detection approaches. It systematically categorizes and analyses various algorithms from region-based to non-region-based and graph-based learning methodologies by highlighting their methodologies, implementation issues, and challenges. It also outlines the key benchmark datasets that can be used for research and development of advanced pedestrian detection algorithms, particularly in low-light situations.
• Abstract（参考訳）: 歩行者検出は、自動運転、インテリジェント交通、交通監視など、いくつかのハイレベルなタスクの基盤となっている。 昼間を中心に、目に見える画像を用いた歩行者検出に焦点を当てた作品がいくつかある。 しかし、環境条件が低照度や夜間に変化した場合、この課題は非常に興味深い。 近年では、Far InfraRed(FIR)温度センサーを低照度での歩行者検出に利用するための新たなアイデアが提案されている。 本研究は, 低照度歩行者検出手法の最近の展開を概観する。 地域ベースから非地域ベース、グラフベースの学習方法論を体系的に分類し、分析し、その方法論、実装問題、課題を強調する。 また、特に低照度の状況において、高度な歩行者検出アルゴリズムの研究と開発に使用できる重要なベンチマークデータセットについても概説している。

関連論文リスト

• DeepArUco++: Improved detection of square fiducial markers in challenging lighting conditions [3.783609886054562]
  フィデューシャルマーカー(Fiducial marker)は、オブジェクトのポーズ推定と検出に使用されるコンピュータビジョンツールである。 DeepArUco++は、困難な照明条件下でマーカー検出とデコードを実行するフレームワークである。 システム評価に使用する照明条件に挑戦するために,第2のArUcoマーカーのリアルタイムデータセットを提示する。
  論文  参考訳（メタデータ） (2024-11-08T13:18:31Z)
• MambaST: A Plug-and-Play Cross-Spectral Spatial-Temporal Fuser for Efficient Pedestrian Detection [0.5898893619901381]
  本稿では,効率的な歩行者検出のためのプラグ・アンド・プレイ型時空間融合パイプラインであるMambaSTを提案する。 暗黒または低照度条件下でRGBカメラを用いて正確な検出を行うことは困難である。 また,提案モデルにより,小規模歩行者検出の性能も向上する。
  論文  参考訳（メタデータ） (2024-08-02T06:20:48Z)
• Pedestrian Detection in Low-Light Conditions: A Comprehensive Survey [2.961140343595394]
  歩行者検出は、コンピュータビジョン、監視、自動運転など、様々な領域において重要な問題である。 本研究の目的は,低照度環境を対象とする歩行者検出手法,ベースライン,データセットを包括的に調査することである。
  論文  参考訳（メタデータ） (2024-01-15T16:13:17Z)
• 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)
• Event-based Simultaneous Localization and Mapping: A Comprehensive Survey [52.73728442921428]
  ローカライゼーションとマッピングタスクのための非同期および不規則なイベントストリームの利点を利用する、イベントベースのvSLAMアルゴリズムのレビュー。 Paperは、イベントベースのvSLAMメソッドを、特徴ベース、ダイレクト、モーション補償、ディープラーニングの4つのカテゴリに分類する。
  論文  参考訳（メタデータ） (2023-04-19T16:21:14Z)
• 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)
• NOD: Taking a Closer Look at Detection under Extreme Low-Light Conditions with Night Object Detection Dataset [25.29013780731876]
  低い光は、以前考えられていたよりもマシン認知にとって困難である。 夜間に街路で撮影されたダイナミックなシーンを示す大規模なデータセットを提示する。 本稿では,画像強調モジュールをオブジェクト検出フレームワークと2つの新しいデータ拡張手法に組み込むことを提案する。
  論文  参考訳（メタデータ） (2021-10-20T03:44:04Z)
• A Pedestrian Detection and Tracking Framework for Autonomous Cars: Efficient Fusion of Camera and LiDAR Data [0.17205106391379021]
  本稿では,カメラとLiDARセンサデータを用いた歩行者検出と追跡のための新しい手法を提案する。 検出フェーズは、LiDARストリームを計算的に抽出可能な深度画像に変換し、さらに、歩行者候補を特定するディープニューラルネットワークを開発する。 トラッキングフェーズは、Kalmanフィルタ予測と、シーン内の複数の歩行者を追跡するための光フローアルゴリズムの組み合わせである。
  論文  参考訳（メタデータ） (2021-08-27T16:16:01Z)
• Lighting the Darkness in the Deep Learning Era [118.35081853500411]
  低照度画像強調(LLIE)は、照明の弱い環境で撮影された画像の知覚や解釈性を改善することを目的としている。 この分野における最近の進歩は、ディープラーニングベースのソリューションが支配的です。 アルゴリズム分類から未解決の未解決問題まで,さまざまな側面をカバーする包括的な調査を行う。
  論文  参考訳（メタデータ） (2021-04-21T19:12:19Z)
• From Handcrafted to Deep Features for Pedestrian Detection: A Survey [148.35460817092908]
  歩行者検出はコンピュータビジョンにおいて重要であるが難しい問題である。 過去10年間で、手作りの機能と深い機能によって、大幅な改善が見られた。 単スペクトル歩行者検出に加えて,多スペクトル歩行者検出も検討した。
  論文  参考訳（メタデータ） (2020-10-01T14:51:10Z)
• 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)

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。