オブジェクト検出のための深層学習ベースレーダとCameraセンサ融合アーキテクチャ【JST・京大機械翻訳】

Nobis Felix; Geisslinger Maximilian; Weber Markus; Betz Johannes; Lienkamp Markus

プレプリント

J-GLOBAL ID：202202218800255414 整理番号：22P0147481

オブジェクト検出のための深層学習ベースレーダとCameraセンサ融合アーキテクチャ【JST・京大機械翻訳】

A Deep Learning-based Radar and Camera Sensor Fusion Architecture for Object Detection

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 (5件)： , , , ,
資料名：
発行年： 2020年05月15日プレプリントサーバーでの情報更新日： 2020年05月15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)

深層学習を用いたカメラ画像における物体検出は,近年,うまく証明されてきた。検出率と計算効率の良いネットワーク構造は,生産車両への応用に向けてこの技術を推進している。それにもかかわらず,カメラのセンサ品質は,厳しい気象条件で,また,まばらなスリット領域と夜間のセンサノイズの増加を通して制限される。本手法は,カメラデータを融合し,ネットワーク層におけるスパースレーダデータを投影することにより,現在の2Dオブジェクト検出ネットワークを強化する。提案したCameraRadarFusionNet(CRF-Net)は,センサデータの融合が検出結果に最も有益であるレベルを自動的に学習する。さらに,Dropoutに触発された訓練戦略であるBlackInを導入し,特定のセンサタイプに関する学習に焦点を当てた。融合ネットワークが2つの異なるデータセットに対して最先端の画像のみネットワークを凌駕できることを示した。本研究のコードは,https://github.com/TUMFTM/CameraRadarFusionNetの公共に利用可能である。【JST・京大機械翻訳】

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

パターン認識 , レーダ , 人工知能 , 図形・画像処理一般

, , , ,

前のページに戻る