CODA:自律運転におけるオブジェクト検出のための実世界道路コーナーケースデータセット【JST・京大機械翻訳】

Li Kaican; Chen Kai; Wang Haoyu; Hong Lanqing; Ye Chaoqiang; Han Jianhua; Chen Yukuai; Zhang Wei; Xu Chunjing; Yeung Dit-Yan; Liang Xiaodan; Li Zhenguo; Xu Hang

プレプリント

J-GLOBAL ID：202202217305026470 整理番号：22P0304374

CODA:自律運転におけるオブジェクト検出のための実世界道路コーナーケースデータセット【JST・京大機械翻訳】

CODA: A Real-World Road Corner Case Dataset for Object Detection in Autonomous Driving

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (13件)： , , , , , , , , , , , ,
資料名：
発行年： 2022年03月15日プレプリントサーバーでの情報更新日： 2022年09月17日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

自律運転のための共用深層学習物体検出法は,通常,歩行者や自動車のような共通交通参加者の事前固定カテゴリーを仮定している。ほとんどの既存の検出器は,珍しい物体とコーナーケース(例えば,街路を横断するイヌ)を検出できず,いくつかの状況で厳しい事故をもたらす可能性があり,信頼できる自律運転の実世界アプリケーションのタイムラインを作る。真に確実に自己駆動システムの開発を妨げる一つの主な理由は,コーナーケース上のオブジェクト検出器の性能を評価するための公開データセットの欠如である。したがって,視覚ベースの検出器のこの重要な問題を露出するCODAという名の挑戦的なデータセットを導入した。データセットは,それぞれ,4つのオブジェクトレベルコーナーケース(平均)を含む1500の注意深く選択した実世界運転シーンから成り,30以上のオブジェクトカテゴリーにわたっている。CODAでは,大規模自律運転データセットで訓練された標準オブジェクト検出器の性能は,mARにおいて12.8%以上まで大幅に低下する。さらに,最先端のオープンワールドオブジェクト検出器を用いて実験を行い,また,それがCODAにおける新しいオブジェクトを確実に同定することも失敗し,自律運転のためのロバストな知覚システムが,おそらく,まだ到達から遠いことを示した。著者らは,著者らのCODAデータセットが,実世界自律運転のための信頼できる検出におけるさらなる研究を容易にすることを期待する。著者らのデータセットはhttps://coda dataset.github.ioで放出される。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

図形・画像処理一般 , パターン認識

, , ,

前のページに戻る