CueCAn：用于无约束道路上缺失交通标志识别的线索驱动上下文注意力
计算机视觉与模式识别
2023-03-07 v1 人工智能
摘要
无约束的亚洲道路常伴随基础设施薄弱，影响整体道路安全。缺失交通标志是此类道路上的常见现象。缺失或非存在物体检测已被研究用于定位缺失路缘以及估计道路场景图像中行人的合理区域。此类方法涉及分析特定任务的单物体线索。在本文中，我们提出了首个也是最具挑战性的缺失物体视频数据集，包含多种类型的交通标志，其线索在场景中无标志时可见。我们称之为缺失交通标志视频数据集（MTSVD）。与以往工作相比，MTSVD 的挑战性体现在两方面：i) 交通标志通常不在其线索附近；ii) 交通标志线索多样且独特。此外，MTSVD 是首个公开可用的缺失物体数据集。为训练识别缺失标志的模型，我们用 10K 个交通标志轨迹补充了数据集，其中 40% 的交通标志在场景中有可见线索。为识别缺失标志，我们提出了线索驱动上下文注意力单元（CueCAn），并将其纳入我们的模型编码器中。我们首先训练编码器以分类交通标志线索的存在，然后端到端训练整个分割模型以定位缺失交通标志。定量与定性分析表明，CueCAn 显著提升了基础模型的性能。
引用
@article{arxiv.2303.02641,
title = {CueCAn: Cue Driven Contextual Attention For Identifying Missing Traffic Signs on Unconstrained Roads},
author = {Varun Gupta and Anbumani Subramanian and C. V. Jawahar and Rohit Saluja},
journal= {arXiv preprint arXiv:2303.02641},
year = {2023}
}
备注
International Conference on Robotics and Automation (ICRA'23)