无需目标域真实图像的深度交通标志检测与识别
计算机视觉与模式识别
2020-08-04 v1
摘要
深度学习已成功应用于多个与自动驾驶相关的问题，通常依赖大量目标域真实图像数据库进行恰当训练。此类真实世界数据的获取在自动驾驶场景中并非总可行，且有时其标注不可行。此外，在许多任务中存在固有的数据不平衡，多数基于学习的方法难以应对。特别是，交通标志检测是一个极具挑战性的问题，上述三个问题同时存在。为应对这些挑战，我们提出一种新颖的数据库生成方法，仅需（i）任意自然图像，即不需要来自目标域的真实图像，以及（ii）交通标志模板。该方法并非旨在超越使用真实数据的训练，而是在真实数据不可用时作为一种兼容的替代方案。轻松生成的数据库被证明可有效用于训练针对多国交通标志的深度检测器。在大型数据集上，使用完全合成数据集训练几乎匹配使用真实数据集训练的性能。与使用较小真实图像数据集训练相比，使用合成图像训练将准确率提高了12.25%。所提方法在目标域数据可用时也提升了检测器的性能。
引用
@article{arxiv.2008.00962,
title = {Deep Traffic Sign Detection and Recognition Without Target Domain Real Images},
author = {Lucas Tabelini and Rodrigo Berriel and Thiago M. Paixão and Alberto F. De Souza and Claudine Badue and Nicu Sebe and Thiago Oliveira-Santos},
journal= {arXiv preprint arXiv:2008.00962},
year = {2020}
}
备注
arXiv admin note: text overlap with arXiv:1907.09679