A Flow-based Credibility Metric for Safety-critical Pedestrian Detection

要約

自動運転 (AD) における認識においては、安全性が最も重要です。
しかし、最先端の物体検出における安全性に関する最大の懸念は、標準的な評価スキームが安全性を無視した指標を利用して十分な検出性能を主張していることです。
したがって、追加のドメイン知識を活用して、評価タスク中に安全性が重要な誤検出を強調することが不可欠です。
過小仕様に対処するために、この論文では、歩行者境界ボックスに対して c-flow と呼ばれる新しい信頼性メトリックを導入します。
この目的を達成するために、c-flow は画像シーケンスからの相補的なオプティカル フロー信号に依存し、追加のラベルを必要とせずに安全性が重要な誤検出の分析を強化します。
私たちは、大規模な AD データセットに最先端の歩行者検出器を備えた c-flow を実装し、評価します。
私たちの分析は、c-flow を使用すると、開発者が安全性にとって重要な誤検出を特定できることを示しています。

要約(オリジナル)

Safety is of utmost importance for perception in automated driving (AD). However, a prime safety concern in state-of-the art object detection is that standard evaluation schemes utilize safety-agnostic metrics to argue sufficient detection performance. Hence, it is imperative to leverage supplementary domain knowledge to accentuate safety-critical misdetections during evaluation tasks. To tackle the underspecification, this paper introduces a novel credibility metric, called c-flow, for pedestrian bounding boxes. To this end, c-flow relies on a complementary optical flow signal from image sequences and enhances the analyses of safety-critical misdetections without requiring additional labels. We implement and evaluate c-flow with a state-of-the-art pedestrian detector on a large AD dataset. Our analysis demonstrates that c-flow allows developers to identify safety-critical misdetections.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google