基于单发检测的交通灯检测
计算机视觉与模式识别
2018-10-12 v3
摘要
近期目标检测的进步由卷积神经网络（CNN）的成功所推动。它们能够学习丰富的特征，优于手工设计的特征。迄今为止，交通灯检测的研究主要集中于手工设计特征，如交通灯灯泡的颜色、形状或亮度。本文提出一种深度学习方法来精确检测交通灯，其改进了单发检测（SSD）方法。SSD 使用单一 CNN 完成目标提议生成与分类。原始 SSD 难以检测极小目标，而这对交通灯检测至关重要。通过我们的改进，无需增大输入图像尺寸即可检测远小于十像素的目标。我们在 DriveU 交通灯数据集（DTLD）上进行了充分评估，达到了高准确率与低误报率。训练好的模型在 Nvidia Titan Xp 上以每秒十帧实时运行。代码已发布于 https://github.com/julimueller/tl_ssd。
引用
@article{arxiv.1805.02523,
title = {Detecting Traffic Lights by Single Shot Detection},
author = {Julian Müller and Klaus Dietmayer},
journal= {arXiv preprint arXiv:1805.02523},
year = {2018}
}
备注
Submitted to International Conference on Intelligent Transportation Systems (ITSC2018)