A Robust Pedestrian Detection Approach for Autonomous Vehicles

要約

現在、先進運転支援システム (ADAS) の利用は、道路交通の問題を軽減する潜在的なソリューションとして大きな関心を集めています。
このようなシステムにおける最近の技術的進歩にもかかわらず、克服しなければならない多くの疑問が依然として残っています。
たとえば、ADAS では、さまざまな運転シナリオで歩行者を正確かつリアルタイムに検出する必要があります。
前述の問題を解決するために、このホワイト ペーパーでは、カリフォルニア工科大学の歩行者データセットの実世界のインスタンスで歩行者検出の課題を処理するために、YOLOv5s フレームワークを微調整することを目的としています。
また、カリフォルニア工科大学の歩行者データセットのトレーニングおよびテスト データと注釈を YOLOv5 で認識可能な形式に準備するための開発済みツールボックスも紹介します。
私たちのアプローチを利用した実験結果は、70 FPS の最高レートで実行したときに、歩行者検出タスク用に微調整されたモデルの平均平均精度 (mAP) が 91% を超えることを示しています。
さらに、カリフォルニア工科大学の歩行者データセット サンプルの実験により、提案されたアプローチが歩行者検出の効果的かつ正確な方法であり、他の既存の方法論よりも優れていることが検証されました。

要約(オリジナル)

Nowadays, utilizing Advanced Driver-Assistance Systems (ADAS) has absorbed a huge interest as a potential solution for reducing road traffic issues. Despite recent technological advances in such systems, there are still many inquiries that need to be overcome. For instance, ADAS requires accurate and real-time detection of pedestrians in various driving scenarios. To solve the mentioned problem, this paper aims to fine-tune the YOLOv5s framework for handling pedestrian detection challenges on the real-world instances of Caltech pedestrian dataset. We also introduce a developed toolbox for preparing training and test data and annotations of Caltech pedestrian dataset into the format recognizable by YOLOv5. Experimental results of utilizing our approach show that the mean Average Precision (mAP) of our fine-tuned model for pedestrian detection task is more than 91 percent when performing at the highest rate of 70 FPS. Moreover, the experiments on the Caltech pedestrian dataset samples have verified that our proposed approach is an effective and accurate method for pedestrian detection and can outperform other existing methodologies.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google