基于新型弱势行人数据集的深度目标检测器比较
计算机视觉与模式识别
2024-02-14 v2
摘要
行人安全是自动驾驶的主要关注点之一。当今行人数据集中弱势群体的代表性不足,表明亟需一个弱势道路使用者的数据集。为了帮助训练全面的模型并进而推动研究以提高弱势行人识别的准确性,我们在本文中首先引入了一个用于弱势行人检测的新数据集:BG 弱势行人(BGVP)数据集。该数据集包含四个类别,即无残疾儿童、无残疾老年人、有残疾者和非弱势者。该数据集由来自公共领域的图像和手动标注的边界框组成。此外,在提出的数据集上,我们训练并测试了五个经典或最先进(state-of-the-art)的目标检测模型,即 YOLOv4、YOLOv5、YOLOX、Faster R-CNN 和 EfficientDet。我们的结果表明,YOLOX 和 YOLOv4 在我们的数据集上表现最佳,YOLOv4 在 mAP 0.5 指标上得分为 0.7999,YOLOX 得分为 0.7779,而 YOLOX 在 mAP 0.5:0.95 指标上比 YOLOv4 高出 3.8 个百分点。一般而言,所有五个检测器在预测有残疾者类别时表现良好,而在无残疾老年人类别中表现较差。YOLOX 在每类 mAP (0.5:0.95) 指标上始终优于所有其他检测器,在无残疾儿童、无残疾老年人、非弱势者和有残疾者上分别获得 0.5644、0.5242、0.4781 和 0.6796。我们的数据集和代码可在 https://github.com/devvansh1997/BGVP 获取。
引用
@article{arxiv.2212.06218,
title = {Comparison Of Deep Object Detectors On A New Vulnerable Pedestrian Dataset},
author = {Devansh Sharma and Tihitina Hade and Qing Tian},
journal= {arXiv preprint arXiv:2212.06218},
year = {2024}
}
备注
7 pages, 4 Figures