面向无人驾驶车辆的真实复杂环境下车内目标检测
计算机视觉与模式识别
2020-04-28 v1 机器学习
图像与视频处理
摘要
车内人体目标识别在基于视觉的自动驾驶系统中起着重要作用，而道路或街道上的行人、车辆等目标是无人驾驶车辆需规避的主要保护对象。一个挑战在于难以在真实复杂条件下检测运动中的目标，且光照与图像质量可能剧烈变化。本工作中，为应对该挑战，我们利用深度卷积生成对抗网络（DCGANs）与单发多框检测器（SSD）来处理复杂环境。在我们的工作中，一个GAN使用低质量图像训练以处理智慧城市中复杂环境带来的挑战，而级联SSD作为目标检测器与GAN协同工作。我们使用伦敦街道出租车驾驶员视频在白天与夜间真实条件下对方法进行了测试，车内视频测试表明该策略能在复杂条件下大幅实现更高的检测率。
引用
@article{arxiv.2004.12700,
title = {In-Vehicle Object Detection in the Wild for Driverless Vehicles},
author = {Ranjith Dinakaran and Li Zhang and Richard Jiang},
journal= {arXiv preprint arXiv:2004.12700},
year = {2020}
}
备注
the 14th International FLINS Conference on Robotics and Artificial Intelligence