FisheyePP4AV: A privacy-preserving method for autonomous vehicles on fisheye camera images

要約

世界の多くの地域で、公道で収集された膨大なデータを自動運転に利用するケースが増えています。
実際の道路運転シナリオで歩行者の顔や近くの車のナンバープレートを検出して匿名化するには、効果的なソリューションが急務となっています。
より多くのデータが収集されるにつれて、歩行者の顔や周囲の車両のナンバープレートを含むがこれらに限定されない、データに関するプライバシーの懸念が増大します。
通常、収集車両に搭載されるカメラのタイプは、通常カメラと魚眼カメラの 2 つが一般的です。
複雑なカメラの歪みモデルを使用すると、魚眼カメラの画像が通常の画像とは対照的に変形します。
これにより、多数の深層学習モデルを使用すると、コンピューター ビジョン タスクのパフォーマンスが低下します。
この作業では、無人車両によって撮影された魚眼カメラの写真に関するいくつかの法律を遵守しながら、プライバシーの保護に特に注意を払っています。
まず、いくつかの教師モデルから顔とプレートの識別知識を抽出するためのフレームワークを提案します。
2 番目の提案は、多様で現実的な魚眼変換を使用して、画像とラベルの両方を通常の画像から魚眼のようなデータに変換することです。
最後に、オープンソースの PP4AV データセットを使用してテストを実行します。
実験結果は、自動運転車からのデータでトレーニングした場合、データがソフトにラベル付けされている場合でも、モデルがベースライン手法を上回るパフォーマンスを示したことが実証されました。
実装コードは github: https://github.com/khaclinh/FisheyePP4AV で入手できます。

要約(オリジナル)

In many parts of the world, the use of vast amounts of data collected on public roadways for autonomous driving has increased. In order to detect and anonymize pedestrian faces and nearby car license plates in actual road-driving scenarios, there is an urgent need for effective solutions. As more data is collected, privacy concerns regarding it increase, including but not limited to pedestrian faces and surrounding vehicle license plates. Normal and fisheye cameras are the two common camera types that are typically mounted on collection vehicles. With complex camera distortion models, fisheye camera images were deformed in contrast to regular images. It causes computer vision tasks to perform poorly when using numerous deep learning models. In this work, we pay particular attention to protecting privacy while yet adhering to several laws for fisheye camera photos taken by driverless vehicles. First, we suggest a framework for extracting face and plate identification knowledge from several teacher models. Our second suggestion is to transform both the image and the label from a regular image to fisheye-like data using a varied and realistic fisheye transformation. Finally, we run a test using the open-source PP4AV dataset. The experimental findings demonstrated that our model outperformed baseline methods when trained on data from autonomous vehicles, even when the data were softly labeled. The implementation code is available at our github: https://github.com/khaclinh/FisheyePP4AV.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google