Core Concepts
自動車運転アクションの時間的ローカライゼーションを向上させるために、密度誘導型ラベルスムージング技術と効率的なポストプロセッシング手法が提案されています。
Abstract
自動車運転アクションの時間的ローカライゼーションは重要であり、厳格な要件に対応するために新しい手法が開発されています。
ラベル確率分布に基づく密度誘導型ラベルスムージング技術が提案され、境界ビデオセグメントからの学習を改善します。
ポストプロセッシング手法は、ビデオセグメントと複数のカメラビューから情報を効率的に統合し、偽陽性を排除します。
2022年NVIDIA AI City ChallengeのA2テストセットで競争力あるパフォーマンスが実証されました。
Stats
我々の方法は2022年NVIDIA AI City Challenge Track3 A2テストセットでF1スコア0.2710を達成しました。
Quotes
"我々は密度誘導型ラベルスムージング技術を開発し、境界セグメントからより良い学習を可能にしています。"
"ポストプロセッシング手法は偽陽性を排除し、全体的なパフォーマンスを向上させます。"