Robust and Fast Vehicle Detection using Augmented Confidence Map

要約

タイトル：拡張された信頼度マップを用いた堅牢かつ高速な車両検出方法

要約：
– リアルタイムのシナリオでの車両検出は、時間制約やさまざまな速度、形状、構造などを持つ多数の車両の存在があるため、挑戦的です。
– この論文では、信頼度マップを生成することに頼る新しい方法を提案します。
– 複数の速度、形状、構造、及び一つの画像内で数多くの車両の存在の逆効果を緩和するために、興味領域を強調するaugmentationの概念を導入しています。
– augmentationマップは、マルチ解像度解析と最大安定極領域(MR-MSER)の組み合わせを探索することによって生成されます。
– MR-MSERの出力は、高速CNNに供給され、候補領域を生成する信頼度マップを生成します。
– また、複雑な車両の検出モデルを実装する既存のモデルとは異なり、ラフセットとファジーベースのモデルの組み合わせを探索して、堅牢な車両検出を実現します。
– 提案手法の有効性を示すために、ドローンによって撮影されたデータセットと、KITTI、UA-DETRACという複数の車両検出ベンチマークデータセットで実験を行います。
– 提案手法による結果は、既存手法よりも時間効率が高く、良好な検出率を達成しました。

要約(オリジナル)

Vehicle detection in real-time scenarios is challenging because of the time constraints and the presence of multiple types of vehicles with different speeds, shapes, structures, etc. This paper presents a new method relied on generating a confidence map-for robust and faster vehicle detection. To reduce the adverse effect of different speeds, shapes, structures, and the presence of several vehicles in a single image, we introduce the concept of augmentation which highlights the region of interest containing the vehicles. The augmented map is generated by exploring the combination of multiresolution analysis and maximally stable extremal regions (MR-MSER). The output of MR-MSER is supplied to fast CNN to generate a confidence map, which results in candidate regions. Furthermore, unlike existing models that implement complicated models for vehicle detection, we explore the combination of a rough set and fuzzy-based models for robust vehicle detection. To show the effectiveness of the proposed method, we conduct experiments on our dataset captured by drones and on several vehicle detection benchmark datasets, namely, KITTI and UA-DETRAC. The results on our dataset and the benchmark datasets show that the proposed method outperforms the existing methods in terms of time efficiency and achieves a good detection rate.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI