一种面向自动驾驶车辆的鲁棒行人检测方法
计算机视觉与模式识别
2023-02-28 v1 人工智能
摘要
如今，利用高级驾驶辅助系统（ADAS）作为减少道路交通问题的潜在解决方案已引起巨大关注。尽管此类系统近期取得了技术进展，仍有许多问题需要克服。例如，ADAS 需要在各种驾驶场景中准确且实时地检测行人。为解决上述问题，本文旨在微调 YOLOv5s 框架，以应对 Caltech 行人数据集真实世界实例上的行人检测挑战。我们还引入了一个开发的工具箱，用于将 Caltech 行人数据集的训练与测试数据及标注准备为 YOLOv5 可识别的格式。利用我们所提方法的实验结果表明，在最高 70 FPS 的速率下，我们微调后的行人检测模型的平均精度均值（mAP）超过 91%。此外，在 Caltech 行人数据集样本上的实验已验证，我们提出的方法是一种有效且准确的行人检测方法，并且优于其他现有方法。
引用
@article{arxiv.2210.10489,
title = {A Robust Pedestrian Detection Approach for Autonomous Vehicles},
author = {Bahareh Ghari and Ali Tourani and Asadollah Shahbahrami},
journal= {arXiv preprint arXiv:2210.10489},
year = {2023}
}
备注
6 pages, 5 figures, one table