LYTNet：一种面向视障人士的实时行人交通灯与斑马线识别卷积神经网络
计算机视觉与模式识别
2022-03-29 v1 机器学习
摘要
目前，视障人士依赖 sighted 人类、导盲犬或盲杖来安全出行。然而，导盲犬的训练极其昂贵，而盲杖无法提供有关交通灯颜色与人行横道方向的关键信息。本文中，我们提出一种基于深度学习的解决方案，提供交通灯状态与斑马线位置信息。以往利用机器学习的方案仅提供单一信息且多为二分类：仅检测红灯或绿灯。所提出的卷积神经网络LYTNet专为全面性、准确性与计算效率而设计。LYTNet为视障人士过马路提供两项最重要的信息。我们给出五类行人交通灯而非常见的三类或四类，以及一条由二维图像平面转换至真实世界位置、表示斑马线中线的方向向量。我们创建了包含在上海数百个路口拍摄的超过5000张照片的行人交通灯自有数据集。实验在iPhone 7上测试该网络并辅以额外后处理步骤，取得了94%的分类准确率、6.35度的平均角度误差以及20帧每秒的帧率。
引用
@article{arxiv.1907.09706,
title = {LYTNet: A Convolutional Neural Network for Real-Time Pedestrian Traffic Lights and Zebra Crossing Recognition for the Visually Impaired},
author = {Samuel Yu and Heon Lee and John Kim},
journal= {arXiv preprint arXiv:1907.09706},
year = {2022}
}
备注
12 pages, 5 figures, 6 tables, International Conference on Computer Analysis of Images and Patterns (CAIP)