DAMO-StreamNet: Optimizing Streaming Perception in Autonomous Driving

要約

リアルタイム認識、またはストリーミング認識は、自動運転の重要な側面であり、既存の研究ではまだ完全に調査されていません。
このギャップに対処するために、YOLO シリーズの最近の進歩と空間的および時間的知覚メカニズムの包括的な分析を組み合わせた最適化されたフレームワークである DAMO-StreamNet を提示し、最先端のソリューションを提供します。
DAMO-StreamNet の主なイノベーションは次のとおりです。 (1) 変形可能な畳み込みを組み込んだ堅牢なネック構造により、受容野と機能のアライメント機能が強化されます。
(2) ショートパスの意味的特徴とロングパスの時間的特徴を統合する二重分岐構造により、運動状態の予測精度が向上します。
(3) 効率的な最適化のためのロジットレベルの蒸留、セマンティック空間での教師と生徒のネットワークのロジットの整列。
(4) サポート フレーム機能を現在のフレームで更新するリアルタイム予測メカニズム。推論中のシームレスなストリーミング認識を保証します。
私たちの実験では、DAMO-StreamNet が既存の最先端の方法を上回り、余分なデータを使用せずに 37.8% (通常サイズ (600、960)) および 43.3% (大きなサイズ (1200、1920)) の sAP を達成することが実証されています。
この作業は、リアルタイム認識の新しいベンチマークを設定するだけでなく、将来の研究に貴重な洞察を提供します。
さらに、DAMO-StreamNet は、ドローンやロボットなどのさまざまな自律システムに適用でき、リアルタイム認識への道を開きます。

要約(オリジナル)

Real-time perception, or streaming perception, is a crucial aspect of autonomous driving that has yet to be thoroughly explored in existing research. To address this gap, we present DAMO-StreamNet, an optimized framework that combines recent advances from the YOLO series with a comprehensive analysis of spatial and temporal perception mechanisms, delivering a cutting-edge solution. The key innovations of DAMO-StreamNet are: (1) A robust neck structure incorporating deformable convolution, enhancing the receptive field and feature alignment capabilities. (2) A dual-branch structure that integrates short-path semantic features and long-path temporal features, improving motion state prediction accuracy. (3) Logits-level distillation for efficient optimization, aligning the logits of teacher and student networks in semantic space. (4) A real-time forecasting mechanism that updates support frame features with the current frame, ensuring seamless streaming perception during inference. Our experiments demonstrate that DAMO-StreamNet surpasses existing state-of-the-art methods, achieving 37.8% (normal size (600, 960)) and 43.3% (large size (1200, 1920)) sAP without using extra data. This work not only sets a new benchmark for real-time perception but also provides valuable insights for future research. Additionally, DAMO-StreamNet can be applied to various autonomous systems, such as drones and robots, paving the way for real-time perception.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google