Traffic Light Recognition using Convolutional Neural Networks: A Survey

要約

自動運転にはリアルタイムの信号機認識が不可欠です。
しかし、このタスクの基礎となるモデル アーキテクチャのまとまった概要は現在不足しています。
この研究では、畳み込みニューラル ネットワーク (CNN) を使用した信号認識手法の包括的な調査と分析を行います。
私たちは、データセットと CNN アーキテクチャという 2 つの重要な側面に焦点を当てています。
基盤となるアーキテクチャに基づいて、メソッドを 3 つの主要なグループに分類します。(1) 特定のタスク特性を補償する汎用オブジェクト検出器の修正、(2) ルールベースと CNN コンポーネントの両方を含む多段階アプローチ、(3) タスク
– 特定の単一段階メソッド。
各クラスターの最も重要な研究について説明し、データセットの使用法について議論し、研究のギャップを特定します。

要約(オリジナル)

Real-time traffic light recognition is essential for autonomous driving. Yet, a cohesive overview of the underlying model architectures for this task is currently missing. In this work, we conduct a comprehensive survey and analysis of traffic light recognition methods that use convolutional neural networks (CNNs). We focus on two essential aspects: datasets and CNN architectures. Based on an underlying architecture, we cluster methods into three major groups: (1) modifications of generic object detectors which compensate for specific task characteristics, (2) multi-stage approaches involving both rule-based and CNN components, and (3) task-specific single-stage methods. We describe the most important works in each cluster, discuss the usage of the datasets, and identify research gaps.

arxiv情報

著者 Svetlana Pavlitska,Nico Lambing,Ashok Kumar Bangaru,J. Marius Zöllner
発行日 2023-09-05 11:50:38+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CV, cs.RO パーマリンク