A Real-Time DETR Approach to Bangladesh Road Object Detection for Autonomous Vehicles

要約

近年、トランスフォーマー アーキテクチャの登場により、コンピューター ビジョンの分野でパラダイム シフトが起きているのを目の当たりにしました。
Detection Transformers は、物体検出の最先端のソリューションとなっており、自動運転車における路上物体検出の潜在的な候補となっています。
オブジェクト検出スキームが豊富であるにもかかわらず、リアルタイム DETR モデルは、精度とパフォーマンスの損失を最小限に抑えながら、推論時間のパフォーマンスが大幅に向上することが示されています。
私たちの作業では、バングラデシュに基づく BadODD 道路物体検出データセットでリアルタイム DETR (RTDETR) 物体検出を使用し、必要な実験とテストを実行しました。
私たちの結果では、公的 60% テスト セットでは 0.41518、民間 40% テスト セットでは 0.28194 の mAP50 スコアが得られました。

要約(オリジナル)

In the recent years, we have witnessed a paradigm shift in the field of Computer Vision, with the forthcoming of the transformer architecture. Detection Transformers has become a state of the art solution to object detection and is a potential candidate for Road Object Detection in Autonomous Vehicles. Despite the abundance of object detection schemes, real-time DETR models are shown to perform significantly better on inference times, with minimal loss of accuracy and performance. In our work, we used Real-Time DETR (RTDETR) object detection on the BadODD Road Object Detection dataset based in Bangladesh, and performed necessary experimentation and testing. Our results gave a mAP50 score of 0.41518 in the public 60% test set, and 0.28194 in the private 40% test set.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google