偷偷摘套内射激情视频,久久精品99国产国产精,中文字幕无线乱码人妻,中文在线中文a,性爽19p

FisheyeDetNet:首個基于魚眼相機的目標檢測算法

人工智能 智能汽車
本文提出的具有多邊形的模型FisheyeDetNet優(yōu)于其他模型,同時在用于自動駕駛的Valeo魚眼相機數(shù)據(jù)集上實現(xiàn)了49.5%的mAP指標。

本文經自動駕駛之心公眾號授權轉載,轉載請聯(lián)系出處。

目標檢測在自動駕駛系統(tǒng)當中是一個比較成熟的問題,其中行人檢測是最早得以部署算法之一。在多數(shù)論文當中已經進行了非常全面的研究。然而,利用魚眼相機進行環(huán)視的近距離的感知相對來說研究較少。由于徑向畸變較大,標準的邊界框表示在魚眼相機當中很難實施。為了緩解上述提到的相關問題,我們探索了擴展邊界框的標準對象檢測輸出表示。我們將旋轉的邊界框、橢圓、通用多邊形設計為極坐標弧/角度表示,并定義一個實例分割mIOU度量來分析這些表示。所提出的具有多邊形的模型FisheyeDetNet優(yōu)于其他模型,同時在用于自動駕駛的Valeo魚眼相機數(shù)據(jù)集上實現(xiàn)了49.5%的mAP指標。目前,這是第一個關于自動駕駛場景中基于魚眼相機的目標檢測算法研究。

文章鏈接:https://arxiv.org/pdf/2404.13443.pdf

網絡結構

我們的網絡結構建立在YOLOv3網絡模型的基礎上,并且對邊界框,旋轉邊界框、橢圓以及多邊形等進行多種表示。為了使網絡能夠移植到低功率汽車硬件上,我們使用ResNet18作為編碼器。與標準Darknet53編碼器相比,參數(shù)減少了近60%。提出了網絡架構如下圖所示。

邊界框檢測

我們的邊界框模型與 YOLOv3 相同,只是 Darknet53 編碼器被替換為 ResNet18 編碼器。與YOLOv3類似,目標檢測是在多個尺度上執(zhí)行的。對于每個尺度中的每個網格,預測對象寬度()、高度()、對象中心坐標(,)和對象類。最后,使用非最大抑制來過濾冗余檢測。

旋轉邊界框檢測

在該模型中,與常規(guī)框信息(,,,)一起回歸框的方向。方向地面實況范圍 (-180 到 +180°) 在 -1 到 +1 之間進行歸一化。

橢圓檢測

橢圓回歸與定向框回歸相同。唯一的區(qū)別是輸出表示。因此損失函數(shù)也與定向框損失相同。

多邊形檢測

我們提出的基于多邊形的實例分割方法與PolarMask和PolyYOLO方法非常相似。而不是使用稀疏多邊形點和像PolyYOLO這樣的單尺度預測。我們使用密集多邊形注釋和多尺度預測。

實驗對比

我們在Valeo魚眼數(shù)據(jù)集上評估,該數(shù)據(jù)集有 60K 圖像,這些圖像是從歐洲、北美和亞洲的 4 個環(huán)繞視圖相機捕獲的。

所有模型都使用 IoU 閾值為 50% 的平均精度度量 (mAP) 進行比較。結果如下表所示。每個算法都基于兩個標準進行評估—相同表示和實例分割的性能。

責任編輯:張燕妮 來源: 自動駕駛之心
相關推薦

2017-09-20 16:25:00

深度學習視覺領域計算機

2018-01-23 16:16:03

開源技術 Facebook

2018-09-17 15:30:05

機器學習密度異常值

2023-11-13 22:17:54

YOLO-NAS目標檢測

2022-05-25 13:51:28

GitHub開源算法

2024-06-05 09:26:50

2023-11-29 11:28:21

智能視覺

2024-04-28 11:42:39

Python模型數(shù)據(jù)

2023-03-13 13:35:00

幾何算法矩形碰撞檢測

2025-01-22 13:15:10

2024-07-04 09:22:24

2009-07-15 10:40:06

碰撞檢測算法Java ME

2022-02-14 11:37:59

自動駕駛算法技術

2020-11-10 15:22:46

算法PythonIoU

2024-07-22 13:49:38

YOLOv8目標檢測開發(fā)

2023-12-19 16:01:40

深度學習人工智能目標檢測

2020-11-02 11:24:52

算法人臉識別技術

2020-12-24 19:01:14

iForest大數(shù)據(jù)檢測算法

2024-02-23 09:42:09

自動駕駛感知

2022-03-09 09:56:14

深度學習算法人工智能
點贊
收藏

51CTO技術棧公眾號