Robust Traffic Light Detection Using Salience-Sensitive Loss: Computational Framework and Evaluations

要約

【タイトル】
サリエンス感度損失を用いたロバストな信号機検出: 計算フレームワークと評価

【要約】
-自動運転システムの安全性を確保するためにも、正確に道路交通信号機を検出し、そして運転者の行動にどのような影響を及ぼすか正確に判断することが重要なタスクの一つである。
-実際の運転状況では、運転に関係のある数多くの交通信号機があり、有効な信号機を見分けて検出することが重要な安全上の課題である。
-本研究では、運転者への影響を受ける信号機を明示することによって、このタスクに集中する交通信号機検出モデルを提案する。
-信号機の影響力を表すサリエンスプロパティを定義し、サリエンスプロパティを持つLAVA Salient Lights Datasetを構築する。
-サリエンス感度焦点損失を使用してDeformable DETRオブジェクト検出トランスフォーマーモデルを訓練し、サリエンス関連のトラフィックシグナルに重点を置くことで、この損失関数でトレーニングされたモデルは、召喚率の向上が報告された。

要約(オリジナル)

One of the most important tasks for ensuring safe autonomous driving systems is accurately detecting road traffic lights and accurately determining how they impact the driver’s actions. In various real-world driving situations, a scene may have numerous traffic lights with varying levels of relevance to the driver, and thus, distinguishing and detecting the lights that are relevant to the driver and influence the driver’s actions is a critical safety task. This paper proposes a traffic light detection model which focuses on this task by first defining salient lights as the lights that affect the driver’s future decisions. We then use this salience property to construct the LAVA Salient Lights Dataset, the first US traffic light dataset with an annotated salience property. Subsequently, we train a Deformable DETR object detection transformer model using Salience-Sensitive Focal Loss to emphasize stronger performance on salient traffic lights, showing that a model trained with this loss function has stronger recall than one trained without.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI