FARSA：全自动道路安全评估
计算机视觉与模式识别
2019-01-21 v1
摘要
本文研究道路安全评估任务。美国一种新兴的评估方法是通过美国道路评估计划（usRAP），将道路从最高风险（1星）到最低风险（5星）进行评级。获取这些评级需要对街景全景图中的道路特征进行精细的人工标注，这一过程缓慢且昂贵。我们提出利用深度卷积神经网络自动化该过程，直接从街景全景图估计星级评分，测试时每张图像仅需毫秒级时间。我们的网络还估计许多其他道路级属性，包括曲率、路边危险物和中央分隔带类型。为此，我们引入了任务特定的注意力层，使网络能够聚焦于对特定任务最有用的全景区域。我们在来自美国两个州的大规模真实图像数据集上评估了该方法。我们发现，引入额外任务并采用半监督训练方法显著缓解了过拟合问题，使我们能够优化更多网络层，并获得了更高的准确率。
引用
@article{arxiv.1901.06013,
title = {FARSA: Fully Automated Roadway Safety Assessment},
author = {Weilian Song and Scott Workman and Armin Hadzic and Xu Zhang and Eric Green and Mei Chen and Reginald Souleyrette and Nathan Jacobs},
journal= {arXiv preprint arXiv:1901.06013},
year = {2019}
}
备注
9 pages, 8 figures, WACV 2018