面向自动驾驶的鲁棒环境感知：视觉-红外目标检测的统一学习流水线
计算机视觉与模式识别
2022-06-09 v1 信息论
math.IT
摘要
RGB 互补金属氧化物半导体(CMOS)传感器在可见光光谱内工作，因此对环境光照条件非常敏感。相反，工作在 8-14 微米波段的长波红外(LWIR)传感器独立于可见光运行。本文中，我们利用视觉与热感知单元进行鲁棒目标检测。在对 FLIR [1] 数据集进行精细同步与（交叉）标注后，该多模态感知数据通过卷积神经网络(CNN)以检测道路上三类关键目标，即行人、自行车与汽车。在分别评估 RGB 与红外（热与红外常互换使用）传感器后，比较多种网络结构以在特征层有效融合数据。我们的 RGB-热(RGBT)融合网络借助新颖的熵块注意力模块(EBAM)，以 82.9% mAP 比最先进网络 [2] 高出 10%。
引用
@article{arxiv.2206.03943,
title = {Robust Environment Perception for Automated Driving: A Unified Learning Pipeline for Visual-Infrared Object Detection},
author = {Mohsen Vadidar and Ali Kariminezhad and Christian Mayr and Laurent Kloeker and Lutz Eckstein},
journal= {arXiv preprint arXiv:2206.03943},
year = {2022}
}