基于生物启发中央凹技术利用深度神经网络进行扩展范围车辆检测
计算机视觉与模式识别
2019-10-03 v1 机器人学
摘要
我们提出一种生物启发的中央凹技术，使用深度卷积神经网络（DCNN）在远程相机视图中检测车辆，用于 IARA 自动驾驶汽车。DCNN 接收以下输入：（i）由安装在 IARA 车顶的相机捕获的图像；以及（ii）图像的裁剪块，这些裁剪块以 IARA 路径规划器计算出的路径点为中心，且其尺寸随距 IARA 的距离增大。我们采用重叠滤波器，基于检测边界框的重叠百分比丢弃同一图像不同裁剪块中对同一车辆的重复检测。我们利用 IARA 自动驾驶汽车可用的硬件和软件基础设施评估了所提出的扩展范围车辆检测系统（ARVDS）的性能。使用 IARA，我们捕获了数千张真实交通场景中包含远程车辆的图像。实验结果表明，ARVDS 将远程车辆检测的平均精度（AP）从 29.51%（使用单张完整图像）提升至 63.15%。
引用
@article{arxiv.1910.00944,
title = {Bio-Inspired Foveated Technique for Augmented-Range Vehicle Detection Using Deep Neural Networks},
author = {Pedro Azevedo and Sabrina S. Panceri and Rânik Guidolini and Vinicius B. Cardoso and Claudine Badue and Thiago Oliveira-Santos and Alberto F. De Souza},
journal= {arXiv preprint arXiv:1910.00944},
year = {2019}
}
备注
Paper accepted at IJCNN 2019