ADD：一种用于自动驾驶的自动脱敏鱼眼数据集
计算机视觉与模式识别
2023-08-17 v1
摘要
自动驾驶系统需要大量图像以分析周围环境。然而，这些所捕获图像中对私人信息（如行人面部或车辆车牌）的数据保护较少，已成为一个重要问题。本文响应数据安全法律法规的号召，并基于鱼眼相机大视场角（Field of View, FoV）的优势，构建了首个自动驾驶脱敏数据集，称为ADD，并制定了首个基于深度学习的图像脱敏框架，以推动自动驾驶场景下图像脱敏的研究。该编译数据集由650K图像组成，包含由环视鱼眼相机捕获的不同人脸与车辆车牌信息。它涵盖多种自动驾驶场景，包括多样的面部特征与车牌颜色。随后，我们提出一种高效的多任务脱敏网络DesCenterNet作为ADD数据集上的基准，可执行人脸与车辆车牌检测及脱敏任务。基于ADD，我们进一步提供了脱敏性能的评估准则，大量对比实验验证了我们的方法在图像脱敏上的有效性与优越性。
引用
@article{arxiv.2308.07590,
title = {ADD: An Automatic Desensitization Fisheye Dataset for Autonomous Driving},
author = {Zizhang Wu and Chenxin Yuan and Hongyang Wei and Fan Song and Tianhao Xu},
journal= {arXiv preprint arXiv:2308.07590},
year = {2023}
}