基于图卷积网络的鱼眼相机系统中所属-成员关系检测
计算机视觉与模式识别
2022-01-31 v1
摘要
车轮与车辆之间的所属-成员关系对车辆的 3D 感知贡献显著，尤其在嵌入式环境中。然而，要利用该关系我们必须面对两大挑战：i）传统的基于 IoU 的启发式方法难以处理遮挡的交通拥堵场景。ii）该解决方案在车载系统中的有效性与适用性难以保证。为解决这些问题，我们通过设计图卷积网络（GCN）提出了一种新颖的关系预测方法 DeepWORD。具体而言，为提升信息丰富度，我们使用具有局部相关性的特征图作为节点输入。随后，我们引入图注意力网络（GAT）动态修正先验估计偏差。最后，我们设计了一个带有标注所属-成员关系的大规模基准数据集，称为 WORD。实验中我们得知所提方法取得了当前最优的精度与实时性能。WORD 数据集已公开于 https://github.com/NamespaceMain/ownermember-relationship-dataset。
引用
@article{arxiv.2201.12099,
title = {Detecting Owner-member Relationship with Graph Convolution Network in Fisheye Camera System},
author = {Zizhang Wu and Jason Wang and Tianhao Xu and Fan Wang},
journal= {arXiv preprint arXiv:2201.12099},
year = {2022}
}
备注
Accepted by Pattern Recognition. arXiv admin note: substantial text overlap with arXiv:2103.16099