核心概念
弾性相互作用エネルギーに基づくトポロジー認識手法EIEGSegは、細かい構造や不規則な形状の物体の認識精度を大幅に向上させ、スリムな物体の断続性を改善する。
要約
本研究では、リアルタイムの交通シーン認識のためのトポロジー認識手法EIEGSegを提案した。EIEGSegは、畳み込みニューラルネットワークによる特徴抽出と、弾性相互作用エネルギー損失関数(EIEL)による予測の最適化を組み合わせたものである。
EIELは、物体の境界線を全体として捉え、長細い物体の接続性を高め、複雑な形状の物体の輪郭を明確に表現することができる。これにより、ポール、信号機、歩行者などの細かい構造や不規則な形状の物体の認識精度が大幅に向上し、遮蔽された車線線の断続性も改善された。
実験では、都市シーンセグメンテーションデータセットCityscapesと車線検出データセットTuSimpleおよびCULaneを用いて評価を行った。軽量ネットワークERFNetやBiSeNetV1、高精度ネットワークHRNet-W48-OCRなどで一貫して性能向上が確認された。特に、リアルタイム性が重要な自動運転分野では、EIEGSegの効果が顕著であった。
統計
自動運転に必要な細かい構造物の認識精度が大幅に向上した。
Cityscapesデータセットでは、ポール、信号機、歩行者などの認識精度が3%以上向上した。
TuSimpleデータセットでは、車線検出の正解率が95.16%に達し、偽陽性率と偽陰性率が大幅に改善された。
CULaneデータセットでは、様々な環境下での車線検出のF1スコアが73.76%に向上した。
引用
"EIELは、物体の境界線を全体として捉え、長細い物体の接続性を高め、複雑な形状の物体の輪郭を明確に表現することができる。"
"EIEGSegの効果は特にリアルタイム性が重要な自動運転分野で顕著であった。"