Monocular Cyclist Detection with Convolutional Neural Networks

要約

自転車は、持続可能性と健康上の利点をもたらす交通手段としてますます人気が高まっています。
しかし、特に道路上で大型車両に遭遇した場合、自転車利用者は増大するリスクに直面しています。
この研究は、ドライバーの死角への注意力の低下によって引き起こされることが多い車両と自転車の衝突件数を減らすことを目的としています。
これを達成するために、EfficientDet Lite や SSD MobileNetV2 などの物体検出畳み込みニューラル ネットワークを使用してサイクリストを検出できる、最先端のリアルタイム単眼サイクリスト検出を設計しました。
まず、私たちが提案するサイクリスト検出モデルは、20,000 枚を超える画像から構成される新しく提案されたサイクリスト画像データセットに基づいて微調整され、0.900 mAP (IoU: 0.5) を超える値を達成しています。
次に、モデルはカメラ モジュールを備えた Google Coral Dev Board ミニコンピューターに展開され、速度が分析され、推論時間は 15 ミリ秒という短さに達しました。
最後に、エンドツーエンドの自転車検出デバイスをリアルタイムでテストして交通シナリオをモデル化し、パフォーマンスと実現可能性をさらに分析しました。
この自転車検知装置は正確かつ迅速に自転車を検知でき、自転車の安全性を大幅に向上させる可能性があると結論付けました。
今後の研究により、自動車業界における提案された装置の実現可能性と、時間の経過とともにサイクリストの安全性が向上するかどうかが判断される可能性があります。

要約(オリジナル)

Cycling is an increasingly popular method of transportation for sustainability and health benefits. However, cyclists face growing risks, especially when encountering large vehicles on the road. This study aims to reduce the number of vehicle-cyclist collisions, which are often caused by poor driver attention to blind spots. To achieve this, we designed a state-of-the-art real-time monocular cyclist detection that can detect cyclists with object detection convolutional neural networks, such as EfficientDet Lite and SSD MobileNetV2. First, our proposed cyclist detection models achieve greater than 0.900 mAP (IoU: 0.5), fine-tuned on a newly proposed cyclist image dataset comprising over 20,000 images. Next, the models were deployed onto a Google Coral Dev Board mini-computer with a camera module and analyzed for speed, reaching inference times as low as 15 milliseconds. Lastly, the end-to-end cyclist detection device was tested in real-time to model traffic scenarios and analyzed further for performance and feasibility. We concluded that this cyclist detection device can accurately and quickly detect cyclists and has the potential to improve cyclist safety significantly. Future studies could determine the feasibility of the proposed device in the vehicle industry and improvements to cyclist safety over time.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google