論文の概要: Revisiting Evaluation of Deep Neural Networks for Pedestrian Detection

• arxiv url: http://arxiv.org/abs/2511.10308v1
• Date: Fri, 14 Nov 2025 01:44:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-14 22:53:22.809715
• Title: Revisiting Evaluation of Deep Neural Networks for Pedestrian Detection
• Title（参考訳）: 歩行者検出のためのディープニューラルネットワークの再検討
• Authors: Patrick Feifel, Benedikt Franke, Frank Bonarens, Frank Köster, Arne Raulf, Friedhelm Schwenker,
• Abstract要約: 本研究では,歩行者検出のための8つの異なるエラーカテゴリを提案し,これらのエラーカテゴリに沿った性能比較のための新しい指標を提案する。 新しいメトリクスを使用して、APDの単純化されたバージョンで様々なバックボーンを比較し、特に安全性クリティカルなパフォーマンスにおいてモデルの比較をよりきめ細やかで堅牢な方法を示す。
• 参考スコア（独自算出の注目度）: 4.899224264207844
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reliable pedestrian detection represents a crucial step towards automated driving systems. However, the current performance benchmarks exhibit weaknesses. The currently applied metrics for various subsets of a validation dataset prohibit a realistic performance evaluation of a DNN for pedestrian detection. As image segmentation supplies fine-grained information about a street scene, it can serve as a starting point to automatically distinguish between different types of errors during the evaluation of a pedestrian detector. In this work, eight different error categories for pedestrian detection are proposed and new metrics are proposed for performance comparison along these error categories. We use the new metrics to compare various backbones for a simplified version of the APD, and show a more fine-grained and robust way to compare models with each other especially in terms of safety-critical performance. We achieve SOTA on CityPersons-reasonable (without extra training data) by using a rather simple architecture.
• Abstract（参考訳）: 信頼性の高い歩行者検出は自動走行システムにとって重要なステップである。 しかし、現在のパフォーマンスベンチマークには弱点がある。 現在適用されている検証データセットの様々なサブセットのメトリクスは、歩行者検出のためのDNNの現実的なパフォーマンス評価を禁止している。 画像セグメンテーションは、街路シーンに関するきめ細かい情報を提供するので、歩行者検出器の評価中に、異なる種類のエラーを自動的に区別する出発点として機能する。 本研究では,歩行者検出のための8つの異なるエラーカテゴリを提案し,これらのエラーカテゴリに沿った性能比較のための新しい指標を提案する。 新しいメトリクスを使用して、APDの単純化されたバージョンで様々なバックボーンを比較し、特に安全性クリティカルなパフォーマンスにおいてモデルの比較をよりきめ細やかで堅牢な方法を示す。 我々は,CityPersons-reasonable(追加のトレーニングデータなしで)上で,比較的単純なアーキテクチャを用いてSOTAを実現する。

関連論文リスト

• Detecting and Rectifying Noisy Labels: A Similarity-based Approach [4.686586017523293]
  データセットのラベルノイズは、これらのデータセットでトレーニングされたディープニューラルネットワーク(DNN)のパフォーマンスと堅牢性を著しく損なう可能性がある。 提案手法は,DNNの入射特性を利用したポストホック・モデル非依存ノイズ検出・修正手法である。 我々の考えは、誤ラベル付きデータポイントと真のクラスデータポイントとの類似性は他のクラスのデータポイントよりも高いという観察に基づいている。
  論文  参考訳（メタデータ） (2025-09-28T16:41:56Z)
• LanePerf: a Performance Estimation Framework for Lane Detection [12.117964360565503]
  車線検出は、高度運転支援システム(ADAS)の重要コンポーネントである ドメインシフトは、しばしば新しい環境にデプロイする際にモデルの信頼性を損なう。 我々は新しいレーン性能推定フレームワーク(LanePerf)を提案する。 本フレームワークは,事前学習した画像エンコーダとDeepSetsベースのアーキテクチャを用いて,画像と車線の特徴を統合する。
  論文  参考訳（メタデータ） (2025-07-17T08:24:57Z)
• A Geometrical Approach to Evaluate the Adversarial Robustness of Deep Neural Networks [52.09243852066406]
  対向収束時間スコア(ACTS)は、対向ロバストネス指標として収束時間を測定する。 我々は,大規模画像Netデータセットに対する異なる敵攻撃に対して,提案したACTSメトリックの有効性と一般化を検証する。
  論文  参考訳（メタデータ） (2023-10-10T09:39:38Z)
• Benchmarking Deep Models for Salient Object Detection [67.07247772280212]
  汎用SALOD(General SALient Object Detection)ベンチマークを構築し,複数のSOD手法の総合的な比較を行った。 以上の実験では、既存の損失関数は、通常いくつかの指標に特化しているが、他の指標には劣る結果が報告されている。 我々は,深層ネットワークに画素レベルと画像レベルの両方の監視信号を統合することにより,より識別的な特徴を学習するためのエッジ・アウェア・ロス(EA)を提案する。
  論文  参考訳（メタデータ） (2022-02-07T03:43:16Z)
• 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)
• Predicting Pedestrian Crossing Intention with Feature Fusion and Spatio-Temporal Attention [0.0]
  歩行者の交差の意図は都市運転のためにリアルタイムで認識されるべきです。 最近の研究は、このタスクに視覚ベースのディープニューラルネットワークモデルを使用することの可能性を示している。 本研究は,歩行者横断意図予測において,本質的に異なる時間的特徴を融合するニューラルネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-04-12T14:10:25Z)
• 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)
• Generalizable Pedestrian Detection: The Elephant In The Room [82.37430109152383]
  既存の最先端の歩行者検出器は、同じデータセット上でトレーニングやテストを行う際には、非常によく機能するが、データセット間の評価では、十分に一般化されていない。 ウェブをクロールすることで収集される多様で高密度なデータセットは、歩行者検出のための事前学習の効率的な情報源であることを示す。
  論文  参考訳（メタデータ） (2020-03-19T14:14:52Z)
• Stance Detection Benchmark: How Robust Is Your Stance Detection? [65.91772010586605]
  Stance Detection (StD) は、あるトピックやクレームに対する著者の姿勢を検出することを目的としている。 マルチデータセット学習環境において、さまざまなドメインの10のStDデータセットから学習するStDベンチマークを導入する。 このベンチマーク設定では、5つのデータセットに新しい最先端結果を表示することができます。
  論文  参考訳（メタデータ） (2020-01-06T13:37:51Z)

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。