Fugu-MT 論文翻訳(概要): A Real-Time DETR Approach to Bangladesh Road Object Detection for Autonomous Vehicles

論文の概要: A Real-Time DETR Approach to Bangladesh Road Object Detection for Autonomous Vehicles

arxiv url: http://arxiv.org/abs/2411.15110v1
Date: Fri, 22 Nov 2024 18:21:20 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-25 15:02:57.709711
Title: A Real-Time DETR Approach to Bangladesh Road Object Detection for Autonomous Vehicles
Title（参考訳）: バングラデシュ道路物体検出のためのリアルタイムDETRアプローチ
Authors: Irfan Nafiz Shahan, Arban Hossain, Saadman Sakib, Al-Mubin Nabil,
Abstract要約: 検出トランスフォーマーは、オブジェクト検出の最先端のソリューションになっている。実時間DECRモデルは、推定時間において大幅に向上する。この結果、公的な60%テストセットで0.41518、プライベートな40%テストセットで0.28194、mAP50スコアが0.41518となった。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: In the recent years, we have witnessed a paradigm shift in the field of Computer Vision, with the forthcoming of the transformer architecture. Detection Transformers has become a state of the art solution to object detection and is a potential candidate for Road Object Detection in Autonomous Vehicles. Despite the abundance of object detection schemes, real-time DETR models are shown to perform significantly better on inference times, with minimal loss of accuracy and performance. In our work, we used Real-Time DETR (RTDETR) object detection on the BadODD Road Object Detection dataset based in Bangladesh, and performed necessary experimentation and testing. Our results gave a mAP50 score of 0.41518 in the public 60% test set, and 0.28194 in the private 40% test set.
Abstract（参考訳）: 近年,コンピュータビジョン分野におけるパラダイムシフトを目の当たりにしている。検出トランスフォーマーは、物体検出の最先端のソリューションとなり、自律走行車における道路物体検出の潜在的な候補となっている。オブジェクト検出スキームの多さにもかかわらず、リアルタイムDETRモデルは、精度と性能の損失を最小限に抑えながら、推論時間において大幅に向上することが示されている。本研究ではバングラデシュのBadODD Road Object Detectionデータセット上でRTDETR(Real-Time DETR)オブジェクト検出を行い,必要な実験と試験を行った。この結果、公的な60%テストセットで0.41518、プライベートな40%テストセットで0.28194、mAP50スコアが0.41518となった。

関連論文リスト

Uncertainty Estimation for 3D Object Detection via Evidential Learning [63.61283174146648]
本稿では,3次元検出器における鳥の視線表示における明らかな学習損失を利用して,3次元物体検出の不確かさを定量化するためのフレームワークを提案する。本研究では,これらの不確実性評価の有効性と重要性を,分布外シーンの特定,局所化の不十分な物体の発見,および(偽陰性)検出の欠如について示す。
論文参考訳（メタデータ） (2024-10-31T13:13:32Z)
Object Detection for Vehicle Dashcams using Transformers [2.3243389656894595]
トランスを用いたダッシュカムにおける物体検出のための新しい手法を提案する。我々のシステムは、最先端検出TRansformer (DETR) に基づいている。以上の結果から,変圧器によるインテリジェントな自動化は,ダッシュカムシステムの能力を大幅に向上させる可能性が示唆された。
論文参考訳（メタデータ） (2024-08-28T14:08:24Z)
Bangladeshi Native Vehicle Detection in Wild [1.444899524297657]
本稿ではバングラデシュで最もよく見られる車両のネイティブな車両検出データセットを提案する。 17の異なる車両クラスが考慮され、17326の画像の81542の完全な注釈が付けられている。実験の結果,BNVDデータセットが車両分布の信頼性を示すことがわかった。
論文参考訳（メタデータ） (2024-05-20T16:23:40Z)
WEDGE: A multi-weather autonomous driving dataset built from generative vision-language models [51.61662672912017]
本稿では,視覚言語生成モデルを用いて生成した合成データセットWEDGEを紹介する。 WEDGEは16の極度の気象条件で3360枚の画像で構成され、16513個の境界ボックスを手動で注釈付けしている。 53.87%の検定精度と45.41mAPで分類・検出のためのベースライン性能を確立した。
論文参考訳（メタデータ） (2023-05-12T14:42:47Z)
SalienDet: A Saliency-based Feature Enhancement Algorithm for Object Detection for Autonomous Driving [160.57870373052577]
未知の物体を検出するために,サリエンデット法(SalienDet)を提案する。我々のSaienDetは、オブジェクトの提案生成のための画像機能を強化するために、サリエンシに基づくアルゴリズムを利用している。オープンワールド検出を実現するためのトレーニングサンプルセットにおいて、未知のオブジェクトをすべてのオブジェクトと区別するためのデータセットレザベリングアプローチを設計する。
論文参考訳（メタデータ） (2023-05-11T16:19:44Z)
Analysis and Adaptation of YOLOv4 for Object Detection in Aerial Images [0.0]
本研究は,空中画像中の物体とその位置を予測するためのYOLOv4フレームワークの適応性を示す。トレーニングされたモデルは平均的な平均精度(mAP)が45.64%となり、推論速度はTesla K80 GPUで8.7FPSに達した。いくつかの現代の空中物体検出器との比較研究により、YOLOv4はより優れた性能を示し、航空プラットフォームに組み込むのにより適した検出アルゴリズムが示唆された。
論文参考訳（メタデータ） (2022-03-18T23:51:09Z)
ESOD:Edge-based Task Scheduling for Object Detection [8.347247774167109]
オブジェクト検出のための新しいエッジベースタスクスケジューリングフレームワーク(ESOD)を提案する。その結果、ESODは平均22.13%と29.60%の遅延とエネルギー消費を削減できることがわかった。
論文参考訳（メタデータ） (2021-10-20T13:43:51Z)
2nd Place Solution for Waymo Open Dataset Challenge - Real-time 2D Object Detection [26.086623067939605]
本稿では,画像から2次元物体を検出するリアルタイム手法を提案する。我々は、加速度RTを活用して、検出パイプラインの推論時間を最適化する。我々のフレームワークはNvidia Tesla V100 GPU上で45.8ms/frameのレイテンシを実現する。
論文参考訳（メタデータ） (2021-06-16T11:32:03Z)
Cycle and Semantic Consistent Adversarial Domain Adaptation for Reducing Simulation-to-Real Domain Shift in LiDAR Bird's Eye View [110.83289076967895]
ドメイン適応プロセス中に関心のある小さなオブジェクトの情報を保存するために,事前の意味分類を用いたサイクガンに基づくbevドメイン適応法を提案する。生成したBEVの品質は,KITTI 3D Object Detection Benchmarkの最先端3Dオブジェクト検出フレームワークを用いて評価されている。
論文参考訳（メタデータ） (2021-04-22T12:47:37Z)
Robust Object Detection via Instance-Level Temporal Cycle Confusion [89.1027433760578]
物体検出器の分布外一般化を改善するための補助的自己監視タスクの有効性を検討する。最大エントロピーの原理に触発されて,新しい自己監督タスクであるインスタンスレベル時間サイクル混乱(cycconf)を導入する。それぞれのオブジェクトに対して、タスクは、ビデオ内の隣接するフレームで最も異なるオブジェクトの提案を見つけ、自己スーパービジョンのために自分自身にサイクルバックすることです。
論文参考訳（メタデータ） (2021-04-16T21:35:08Z)
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)

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。