Safety Metrics and Losses for Object Detection in Autonomous Driving

要約

最先端のオブジェクト検出器は、多くのアプリケーションで効果的であることが示されています。
通常、パフォーマンスは、平均の平均精度などの精度指標に基づいて評価されます。
この論文では、自動運転 (AD) のコンテキストにおける 3D オブジェクト検出器の安全特性を検討します。
特に、AD における物体検出器に必須の安全要件を提案し、仕様にまとめます。
定式化中に、画像平面と鳥瞰図平面に投影された 2D バウンディング ボックスを使用して 3D オブジェクトを抽象化すると、提案された安全要件に対する必要十分条件が得られることがわかります。
次に、分析を活用し、Intersection-over-Ground-Truth 測定値と、予測とグラウンド トゥルースの間の距離比に基づいて、定性的および定量的な安全指標を導き出します。
最後に、継続的な改善のために、オブジェクト検出器をより高い安全スコアに向けて最適化するために使用できる安全損失を定式化します。
MMDetection3D ライブラリと nuScenes データセットのパブリック モデルを使用した実験は、私たちの考察と提案の妥当性を示しています。

要約(オリジナル)

State-of-the-art object detectors have been shown effective in many applications. Usually, their performance is evaluated based on accuracy metrics such as mean Average Precision. In this paper, we consider a safety property of 3D object detectors in the context of Autonomous Driving (AD). In particular, we propose an essential safety requirement for object detectors in AD and formulate it into a specification. During the formulation, we find that abstracting 3D objects with projected 2D bounding boxes on the image and bird’s-eye-view planes allows for a necessary and sufficient condition to the proposed safety requirement. We then leverage the analysis and derive qualitative and quantitative safety metrics based on the Intersection-over-Ground-Truth measure and a distance ratio between predictions and ground truths. Finally, for continual improvement, we formulate safety losses that can be used to optimize object detectors towards higher safety scores. Our experiments with public models on the MMDetection3D library and the nuScenes datasets demonstrate the validity of our consideration and proposals.

arxiv情報

著者 Hsuan-Cheng Liao,Chih-Hong Cheng,Hasan Esen,Alois Knoll
発行日 2022-09-21 14:03:08+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.CV, cs.LG パーマリンク