用于交通标志与信号灯联合检测的层次化深度架构及小批量选择方法
计算机视觉与模式识别
2018-09-14 v2
摘要
自动驾驶汽车上的交通信号灯与标志检测器对道路场景感知至关重要。文献中充斥着仅检测灯或标志之一的深度学习网络，而非两者兼检，这使其因嵌入式系统上有限的图形处理单元（GPU）内存与功耗而不适于实际部署。此问题的根本原因在于没有公开数据集同时包含交通灯与标志标签，导致难以开发联合检测框架。我们提出一种深度层次化架构，配合小批量提议选择机制，使网络能够通过分别在交通灯与标志数据集上训练来检测两者。我们的方法解决了某一数据集中实例在另一数据集中未被标注的重叠问题。我们首次提出执行交通灯与标志联合检测的网络。我们在交通标志检测的 Tsinghua-Tencent 100K 基准与交通灯检测的 Bosch Small Traffic Lights 基准上评测了我们的网络，并显示其优于现有的 Bosch Small Traffic Light 最优方法。我们聚焦于自动驾驶汽车部署，并因网络内存占用低与实时图像处理时间而证明其较其他网络更合适。定性结果见 https://youtu.be/_YmogPzBXOw
引用
@article{arxiv.1806.07987,
title = {A Hierarchical Deep Architecture and Mini-Batch Selection Method For Joint Traffic Sign and Light Detection},
author = {Alex D. Pon and Oles Andrienko and Ali Harakeh and Steven L. Waslander},
journal= {arXiv preprint arXiv:1806.07987},
year = {2018}
}
备注
Accepted in the IEEE 15th Conference on Computer and Robot Vision