Fugu-MT 論文翻訳(概要): Deep Event-based Object Detection in Autonomous Driving: A Survey

論文の概要: Deep Event-based Object Detection in Autonomous Driving: A Survey

arxiv url: http://arxiv.org/abs/2405.03995v1
Date: Tue, 7 May 2024 04:17:04 GMT
ステータス: 処理完了
システム内更新日: 2024-05-08 15:28:42.098963
Title: Deep Event-based Object Detection in Autonomous Driving: A Survey
Title（参考訳）: 自律運転におけるディープイベントに基づく物体検出:サーベイ
Authors: Bingquan Zhou, Jie Jiang,
Abstract要約: イベントカメラは、低レイテンシ、高ダイナミックレンジ、低消費電力のために、自動運転のための有望なセンサーとして登場した。本稿では,自律走行におけるイベントデータを用いた物体検出の概要について述べる。
参考スコア（独自算出の注目度）: 7.197775088663435
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Object detection plays a critical role in autonomous driving, where accurately and efficiently detecting objects in fast-moving scenes is crucial. Traditional frame-based cameras face challenges in balancing latency and bandwidth, necessitating the need for innovative solutions. Event cameras have emerged as promising sensors for autonomous driving due to their low latency, high dynamic range, and low power consumption. However, effectively utilizing the asynchronous and sparse event data presents challenges, particularly in maintaining low latency and lightweight architectures for object detection. This paper provides an overview of object detection using event data in autonomous driving, showcasing the competitive benefits of event cameras.
Abstract（参考訳）: 物体検出は自律運転において重要な役割を担い、高速移動シーンにおける物体を正確かつ効率的に検出することが重要である。従来のフレームベースのカメラは、レイテンシと帯域幅のバランスをとる上で課題に直面しており、革新的なソリューションの必要性も必要である。イベントカメラは、低レイテンシ、高ダイナミックレンジ、低消費電力のために、自動運転のための有望なセンサーとして登場した。しかし、非同期かつスパースなイベントデータを有効に活用することは、特に低レイテンシとオブジェクト検出のための軽量なアーキテクチャを維持する上で、課題となる。本稿では,自律走行におけるイベントデータを用いた物体検出の概要について述べる。

関連論文リスト

Research, Applications and Prospects of Event-Based Pedestrian Detection: A Survey [10.494414329120909]
生物学的網膜にインスパイアされたイベントベースのカメラは、最小限の電力要求、無視できるレイテンシ、時間分解能、拡張可能なダイナミックレンジによって区別される最先端のセンサーへと進化してきた。イベントベースのカメラは、高速撮像のシナリオにおいて、外部データ伝送を誘発し、動きのぼやけをなくすことによって制限に対処する。本稿では,特に自律運転における研究と応用について概観する。
論文参考訳（メタデータ） (2024-07-05T06:17:00Z)
PNAS-MOT: Multi-Modal Object Tracking with Pareto Neural Architecture Search [64.28335667655129]
複数の物体追跡は、自律運転において重要な課題である。トラッキングの精度が向上するにつれて、ニューラルネットワークはますます複雑になり、レイテンシが高いため、実際の運転シナリオにおける実践的な応用に課題が生じる。本稿では,ニューラル・アーキテクチャ・サーチ(NAS)手法を用いて追跡のための効率的なアーキテクチャを探索し,比較的高い精度を維持しつつ,低リアルタイム遅延を実現することを目的とした。
論文参考訳（メタデータ） (2024-03-23T04:18:49Z)
Real-time Traffic Object Detection for Autonomous Driving [5.780326596446099]
現代のコンピュータビジョン技術は、効率よりも精度を優先する傾向がある。既存の物体検出器はリアルタイムには程遠い。リアルタイム要件を取り入れた,より適切な代替案を提案する。
論文参考訳（メタデータ） (2024-01-31T19:12:56Z)
SpikeMOT: Event-based Multi-Object Tracking with Sparse Motion Features [52.213656737672935]
SpikeMOTはイベントベースのマルチオブジェクトトラッカーである。 SpikeMOTはスパイクニューラルネットワークを使用して、オブジェクトに関連するイベントストリームからスパーステンポラルな特徴を抽出する。
論文参考訳（メタデータ） (2023-09-29T05:13:43Z)
DOTIE -- Detecting Objects through Temporal Isolation of Events using a Spiking Architecture [5.340730281227837]
視覚に基づく自律ナビゲーションシステムは障害物を避けるために高速で正確な物体検出アルゴリズムに依存している。本研究では,イベントに固有の時間的情報を用いて移動物体を効率的に検出する手法を提案する。我々のアーキテクチャを利用することで、自律ナビゲーションシステムは、オブジェクト検出を行うための最小のレイテンシとエネルギーオーバーヘッドを持つことが示される。
論文参考訳（メタデータ） (2022-10-03T14:43:11Z)
Extrinsic Camera Calibration with Semantic Segmentation [60.330549990863624]
本稿では,セグメンテーション情報を利用してパラメータ推定を自動化する,外部カメラキャリブレーション手法を提案する。われわれのアプローチは、カメラのポーズの粗い初期測定と、車両に搭載されたライダーセンサーによる構築に依存している。シミュレーションおよび実世界のデータを用いて,キャリブレーション結果の低誤差測定を行う。
論文参考訳（メタデータ） (2022-08-08T07:25:03Z)
Scalable and Real-time Multi-Camera Vehicle Detection, Re-Identification, and Tracking [58.95210121654722]
理想化されたビデオストリームやキュレートされたビデオストリームの代わりに,リアルタイムで低解像度のCCTVを処理する,リアルタイムな都市規模のマルチカメラ車両追跡システムを提案する。私たちの手法は、公共のリーダーボードで上位5人のパフォーマーにランク付けされています。
論文参考訳（メタデータ） (2022-04-15T12:47:01Z)
A Quality Index Metric and Method for Online Self-Assessment of Autonomous Vehicles Sensory Perception [164.93739293097605]
本稿では,検出品質指標(DQI)と呼ばれる新しい評価指標を提案し,カメラを用いた物体検出アルゴリズムの性能を評価する。我々は,提案したDQI評価指標を予測するために,原画像画素とスーパーピクセルを入力として利用するスーパーピクセルベースのアテンションネットワーク(SPA-NET)を開発した。
論文参考訳（メタデータ） (2022-03-04T22:16:50Z)
Moving Object Detection for Event-based Vision using k-means Clustering [0.0]
物体検出の移動はコンピュータビジョンにおいて重要な課題である。イベントベースのカメラは、人間の目の動きを模倣して動作するバイオインスパイアされたカメラである。本稿では,イベントベースデータにおける移動物体の検出におけるk平均クラスタリング手法の適用について検討する。
論文参考訳（メタデータ） (2021-09-04T14:43:14Z)
Achieving Real-Time LiDAR 3D Object Detection on a Mobile Device [53.323878851563414]
本稿では,強化学習技術を用いたネットワーク拡張とpruning検索を組み込んだコンパイラ対応統一フレームワークを提案する。具体的には,リカレントニューラルネットワーク(RNN)を用いて,ネットワークの強化とプルーニングの両面での統一的なスキームを自動で提供する。提案手法は,モバイルデバイス上でのリアルタイム3次元物体検出を実現する。
論文参考訳（メタデータ） (2020-12-26T19:41:15Z)
Night vision obstacle detection and avoidance based on Bio-Inspired Vision Sensors [0.5079840826943617]
我々は、イベントベースのカメラの強力な特性を利用して、低照度環境で障害物検出を行う。このアルゴリズムは、バックグラウンドアクティビティノイズをフィルタリングし、ロバストなハフ変換技術を用いてオブジェクトを抽出する。 LC-Harrisを用いて抽出した2次元特徴を三角測量することにより、検出対象の深さを算出する。
論文参考訳（メタデータ） (2020-10-29T12:02:02Z)

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。