基于强化学习与GAN的自动数据增强用于前视相机图像中交通标志的鲁棒识别
计算机视觉与模式识别
2020-05-19 v1 人工智能
机器学习
摘要
利用车载相机图像进行交通标志识别在自动驾驶与路径规划中起着关键作用。然而，前视相机图像可能因模糊、光照变化及人为破坏而失真，从而导致检测性能下降。作为一种解决方案，机器学习模型必须在多域数据上训练，而在每个新域中收集和标注更多数据既耗时又昂贵。在本工作中，我们提出一个端到端框架，利用最优强化学习策略与多种生成对抗网络（GAN）模型来增强交通标志训练数据，随后可用于训练交通标志检测器模块。我们的自动增强器能够利用LISA交通标志与BDD-Nexar数据集，从变换后的夜间、弱光照及不同程度遮挡图像中学习。所提方法能够将训练数据从一个域映射到另一个域，从而将夜间图像的交通标志检测精确率/召回率从0.70/0.66提升至0.83/0.71。
引用
@article{arxiv.1911.06486,
title = {Automated Augmentation with Reinforcement Learning and GANs for Robust Identification of Traffic Signs using Front Camera Images},
author = {Sohini Roy Chowdhury and Lars Tornberg and Robin Halvfordsson and Jonatan Nordh and Adam Suhren Gustafsson and Joel Wall and Mattias Westerberg and Adam Wirehed and Louis Tilloy and Zhanying Hu and Haoyuan Tan and Meng Pan and Jonas Sjoberg},
journal= {arXiv preprint arXiv:1911.06486},
year = {2020}
}
备注
5 pages, 4 figures