抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
歩行者検出は,ビデオ監視から自律運転までの多くのビジョンベースアプリケーションにおいて使用される。高性能の達成にもかかわらず,既存の検出器がデータにいかに一般化するかは,まだほとんど知られていない。これは,実際の検出器が,応用における様々なシナリオでの使用を準備するので,重要である。この目的のために,本論文では,直接クロスデータセット評価の一般的原理を用いて,包括的研究を行った。本研究を通して,既存の最先端の歩行者検出器は,訓練され,同じデータセットでテストされたとき,非常に良好に機能したが,交差データセット評価において十分に一般化されないことを見出した。この傾向には2つの理由があることを示した。第1に,それらの設計(例えばアンカー設定)は,従来の単一データセット訓練と試験パイプラインにおける一般的ベンチマークに対してバイアスされるかもしれないが,結果として,それらの一般化能力を大きく制限する。第2に,訓練源は,一般に歩行者では高密度ではなく,シナリオで多様である。直接交差データセット評価の下で,驚くべきことに,著者らは,設計における歩行者-テール適応のない一般的目的オブジェクト検出器が,既存の最先端の歩行者検出器と比較して,はるかに良く一般化することを発見した。さらに,Webを cぐことにより収集した多様で高密度のデータセットは,歩行者検出のための事前訓練の効率的源となることを示した。従って,著者らは,進行性訓練パイプラインを提案し,自律駆動指向歩行者検出に対して良好に機能することを見出した。したがって,本論文で行われた研究は,一般化可能な歩行者検出器の将来の設計のために,交差データセット評価に,より多くの強調を置くべきであることを示唆する。コードとモデルはhttps://github.com/hasanirtiza/Pedestronでアクセスできる。【JST・京大機械翻訳】