TigAug：用于自动驾驶系统交通灯检测的数据增强
软件工程
2025-07-09 v1 计算机视觉与模式识别
摘要
过去数十年，自动驾驶技术取得了进展，尤其是在传感和计算技术方面。但为确保自动驾驶系统 (ADAS) 的可靠性和鲁棒性，亟需更多测试。尽管近期在测试 ADS 各模块方面取得进展，但对自动化测试交通灯检测模型的关注仍不足。常见做法是手动收集和标注交通灯数据，但这既费时又难以收集不同驾驶环境下的多样化数据。为此，我们提出并实现了 TigAug，用于自动为 ADS 的交通灯检测模型生成标注后的交通灯图像。我们构建了两套变形关系族和三套变换族，基于对天气环境、摄像机特性和交通灯特性的系统性理解。我们利用特定变换的变形关系检测交通灯检测模型的错误行为，并通过重新训练来提高模型性能。大规模实验使用四个最先进的交通灯检测模型和两个交通灯数据集表明：i) TigAug 在测试交通灯检测模型方面有效，ii) TigAug 在合成交通灯图像方面高效，iii) TigAug 生成的交通灯图像具有可接受的自然感。
引用
@article{arxiv.2507.05932,
title = {TigAug: Data Augmentation for Testing Traffic Light Detection in Autonomous Driving Systems},
author = {You Lu and Dingji Wang and Kaifeng Huang and Bihuan Chen and Xin Peng},
journal= {arXiv preprint arXiv:2507.05932},
year = {2025}
}