First qualitative observations on deep learning vision model YOLO and DETR for automated driving in Austria

要約

この研究では、オーストリアの道路での自動運転の交通安全を強化するための自動物体検出のための、You Only Look Once (YOLO)、Real-Time DEtection TRansformer (RT-DETR) アルゴリズムなどの 1 段階および 2 段階の 2D 物体検出アルゴリズムの適用を調査します。
。
YOLO アルゴリズムは、効率と精度で知られる最先端のリアルタイム物体検出システムです。
運転という観点では、物体を迅速に識別して追跡できる可能性は、先進運転支援システム (ADAS) や自動運転車にとって非常に重要です。
この研究は、オーストリアの道路状況と交通シナリオによってもたらされる独特の課題に焦点を当てています。
この国の多様な景観、変化する気象条件、および特定の交通規制により、信頼性の高い物体検出のためにカスタマイズされたアプローチが必要です。
この研究では、都市、農村、高山の環境を含む、オーストリアの道路で撮影された画像とビデオで構成される選択的なデータセットを利用します。

要約(オリジナル)

This study investigates the application of single and two-stage 2D-object detection algorithms like You Only Look Once (YOLO), Real-Time DEtection TRansformer (RT-DETR) algorithm for automated object detection to enhance road safety for autonomous driving on Austrian roads. The YOLO algorithm is a state-of-the-art real-time object detection system known for its efficiency and accuracy. In the context of driving, its potential to rapidly identify and track objects is crucial for advanced driver assistance systems (ADAS) and autonomous vehicles. The research focuses on the unique challenges posed by the road conditions and traffic scenarios in Austria. The country’s diverse landscape, varying weather conditions, and specific traffic regulations necessitate a tailored approach for reliable object detection. The study utilizes a selective dataset comprising images and videos captured on Austrian roads, encompassing urban, rural, and alpine environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google