数据漂移对安全关键型汽车系统开发的影响分析
逻辑
2024-08-09 v1
摘要
当代自动驾驶汽车研究的很大一部分致力于开发安全关键系统，其中计算机视觉等最先进的人工智能算法可以发挥重要作用。视觉模型在实时检测众多交通标志和障碍物方面具有巨大潜力，这对于避免事故和保护人类生命至关重要。尽管潜力巨大，但如果交通状况随时间发生漂移，基于计算机视觉的系统也存在严重的安全隐患。本文分析了数据漂移如何影响视觉模型在交通标志检测方面的性能。本研究的创新之处在于提出了一种基于YOLO的融合模型，该模型使用来自CARLA模拟器的漂移数据进行训练，并在目标检测中提供了鲁棒且增强的性能。增强后的模型平均精度达到97.5%，而原始模型的精度为58.27%。论文详细回顾了原始模型和融合模型的性能，这有望对安全关键型汽车系统产生重大影响。
引用
@article{arxiv.2408.04476,
title = {Impact Analysis of Data Drift Towards The Development of Safety-Critical Automotive System},
author = {Md Shahi Amran Hossain and Abu Shad Ahammed and Divya Prakash Biswas and Roman Obermaisser},
journal= {arXiv preprint arXiv:2408.04476},
year = {2024}
}