EC-IoU: Orienting Safety for Object Detectors via Ego-Centric Intersection-over-Union

要約

この論文では、Ego-Centric Intersection-over-Union (EC-IoU) について説明し、コンテキストをナビゲートする際の物体検出器の安全関連のパフォーマンスを特徴付ける際の標準 IoU 尺度の制限に対処します。
具体的には、IoUを改良するための重み付けメカニズムを提案し、エゴエージェントの観点からグラウンドトゥルースオブジェクトのより近い点をカバーする予測に高いスコアを割り当てることができるようにします。
提案された EC-IoU 尺度は、下流タスク用に安全関連のパフォーマンスが優れた物体検出器を選択するための一般的な評価プロセスで使用できます。
モデルの微調整のために一般的な損失関数に統合することもできます。
安全性を重視しながら、KITTI データセットを使用した実験では、平均平均精度の点でも、EC-IoU でトレーニングされたモデルのパフォーマンスが IoU でトレーニングされたバリアントのパフォーマンスより優れている可能性があることを示しています。

要約(オリジナル)

This paper presents Ego-Centric Intersection-over-Union (EC-IoU), addressing the limitation of the standard IoU measure in characterizing safety-related performance for object detectors in navigating contexts. Concretely, we propose a weighting mechanism to refine IoU, allowing it to assign a higher score to a prediction that covers closer points of a ground-truth object from the ego agent’s perspective. The proposed EC-IoU measure can be used in typical evaluation processes to select object detectors with better safety-related performance for downstream tasks. It can also be integrated into common loss functions for model fine-tuning. While geared towards safety, our experiment with the KITTI dataset demonstrates the performance of a model trained on EC-IoU can be better than that of a variant trained on IoU in terms of mean Average Precision as well.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google