論文の概要: Pedestrian Detection in Low-Light Conditions: A Comprehensive Survey
- arxiv url: http://arxiv.org/abs/2401.07801v1
- Date: Mon, 15 Jan 2024 16:13:17 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-17 16:37:36.460438
- Title: Pedestrian Detection in Low-Light Conditions: A Comprehensive Survey
- Title(参考訳): 低照度環境における歩行者検出:包括的調査
- Authors: Bahareh Ghari, Ali Tourani, Asadollah Shahbahrami, and Georgi
Gaydadjiev
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 2.961140343595394
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Pedestrian detection remains a critical problem in various domains, such as
computer vision, surveillance, and autonomous driving. In particular, accurate
and instant detection of pedestrians in low-light conditions and reduced
visibility is of utmost importance for autonomous vehicles to prevent accidents
and save lives. This paper aims to comprehensively survey various pedestrian
detection approaches, baselines, and datasets that specifically target
low-light conditions. The survey discusses the challenges faced in detecting
pedestrians at night and explores state-of-the-art methodologies proposed in
recent years to address this issue. These methodologies encompass a diverse
range, including deep learning-based, feature-based, and hybrid approaches,
which have shown promising results in enhancing pedestrian detection
performance under challenging lighting conditions. Furthermore, the paper
highlights current research directions in the field and identifies potential
solutions that merit further investigation by researchers. By thoroughly
examining pedestrian detection techniques in low-light conditions, this survey
seeks to contribute to the advancement of safer and more reliable autonomous
driving systems and other applications related to pedestrian safety.
Accordingly, most of the current approaches in the field use deep
learning-based image fusion methodologies (i.e., early, halfway, and late
fusion) for accurate and reliable pedestrian detection. Moreover, the majority
of the works in the field (approximately 48%) have been evaluated on the KAIST
dataset, while the real-world video feeds recorded by authors have been used in
less than six percent of the works.
- Abstract(参考訳): 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。
特に、低照度での歩行者の正確な即時検出と視界の低下は、事故や命を救うために自動運転車にとって最も重要である。
本稿では, 歩行者検出手法, ベースライン, および低照度を対象とするデータセットを総合的に調査することを目的とする。
本調査は,夜間歩行者検出における課題を考察し,近年提案されている最新手法を考察する。
これらの方法論は、深層学習ベース、特徴ベース、ハイブリッドアプローチを含む多様な範囲を包含しており、困難な照明条件下での歩行者検出性能の向上に有望な結果を示している。
さらに,この分野における研究の方向性を浮き彫りにして,研究者によるさらなる調査に資する潜在的な解決策を明らかにした。
低照度環境での歩行者検出技術を徹底的に検討することにより、より安全で信頼性の高い自動運転システムや歩行者の安全に関するその他の応用の進歩に寄与することを目指す。
したがって、この分野の現在のアプローチのほとんどは、正確で信頼性の高い歩行者検出にディープラーニングベースの画像融合手法(早期、中期、後期融合)を使用している。
さらに、フィールド内のほとんどの作品(約48%)はKAISTデータセットで評価されており、著者が記録した実際のビデオフィードは、作品の6%未満で使用されている。
関連論文リスト
- Low-light Pedestrian Detection in Visible and Infrared Image Feeds:
Issues and Challenges [2.1636698753751062]
本研究は、低照度歩行者検出手法の最近の進歩を包括的にレビューする。
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。
論文 参考訳(メタデータ) (2023-11-14T21:39:15Z) - 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) - 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) - A Robust Pedestrian Detection Approach for Autonomous Vehicles [2.0883760606514934]
本稿では,カリフォルニア工科大学の歩行者データセットの実例における歩行者検出問題を処理するためのYOLOv5フレームワークを微調整することを目的とする。
実験結果から,歩行者検出作業における細調整モデルの平均精度(mAP)は,70FPSの最高速度で行う場合,91%以上であることがわかった。
論文 参考訳(メタデータ) (2022-10-19T11:53:14Z) - Multimodal Detection of Unknown Objects on Roads for Autonomous Driving [4.3310896118860445]
未知の物体を検出する新しいパイプラインを提案する。
我々は,最先端の美術品検出モデルを逐次的に組み合わせることで,ライダーとカメラのデータを利用する。
論文 参考訳(メタデータ) (2022-05-03T10:58:41Z) - The State of Aerial Surveillance: A Survey [62.198765910573556]
本稿では、コンピュータビジョンとパターン認識の観点から、人間中心の空中監視タスクの概要を概観する。
主な対象は、単体または複数の被験者が検出され、特定され、追跡され、再同定され、その振る舞いが分析される人間である。
論文 参考訳(メタデータ) (2022-01-09T20:13:27Z) - A Critical Study on the Recent Deep Learning Based Semi-Supervised Video
Anomaly Detection Methods [3.198144010381572]
本稿では,この分野の研究者を新たな視点に紹介し,最近の深層学習に基づく半教師付きビデオ異常検出手法についてレビューする。
私たちのゴールは、より効果的なビデオ異常検出方法の開発を支援することです。
論文 参考訳(メタデータ) (2021-11-02T14:00:33Z) - Generalized Out-of-Distribution Detection: A Survey [83.0449593806175]
アウト・オブ・ディストリビューション(OOD)検出は、機械学習システムの信頼性と安全性を確保するために重要である。
その他の問題として、異常検出(AD)、新規検出(ND)、オープンセット認識(OSR)、異常検出(OD)などがある。
まず、上記の5つの問題を含む一般化OOD検出という統合されたフレームワークを提案する。
論文 参考訳(メタデータ) (2021-10-21T17:59:41Z) - Exploiting Playbacks in Unsupervised Domain Adaptation for 3D Object
Detection [55.12894776039135]
ディープラーニングに基づく最先端の3Dオブジェクト検出器は、有望な精度を示しているが、ドメインの慣用性に過度に適合する傾向がある。
対象領域の擬似ラベルの検出器を微調整することで,このギャップを大幅に削減する新たな学習手法を提案する。
5つの自律運転データセットにおいて、これらの擬似ラベル上の検出器を微調整することで、新しい運転環境への領域ギャップを大幅に減らすことを示す。
論文 参考訳(メタデータ) (2021-03-26T01:18:11Z) - 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) - Object Detection Under Rainy Conditions for Autonomous Vehicles: A
Review of State-of-the-Art and Emerging Techniques [5.33024001730262]
本稿では,自律走行車における物体検出能力に対する降雨条件の影響を緩和するための最先端技術に関するチュートリアルを提案する。
我々のゴールは、澄んだ雨条件下で収集した視覚データを用いて訓練・試験された物体検出手法の性能を調査し、分析することである。
論文 参考訳(メタデータ) (2020-06-30T02:05:10Z)
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。