Sökning: onr:"swepub:oai:research.chalmers.se:1ac12111-4c24-401c-8886-67b01a9eedaf" >
Automated Augmentat...
Automated Augmentation with Reinforcement Learning and GANs for Robust Identification of Traffic Signs using Front Camera Images
-
- Chowdhury, Sohini Roy (författare)
- Volvo Cars
-
- Tornberg, Lars, 1979 (författare)
- Volvo Cars
-
- Halfvordsson, Robin (författare)
- Chalmers tekniska högskola,Chalmers University of Technology
-
visa fler...
-
- Nordh, Jonatan (författare)
- Chalmers tekniska högskola,Chalmers University of Technology
-
- Suhren Gustafsson, Adam, 1993 (författare)
- Chalmers tekniska högskola,Chalmers University of Technology
-
- Wall, Joel (författare)
- Chalmers tekniska högskola,Chalmers University of Technology
-
- Westerberg, Mattias (författare)
- Chalmers tekniska högskola,Chalmers University of Technology
-
- Wirehed, Adam (författare)
- Chalmers tekniska högskola,Chalmers University of Technology
-
- Tilloy, Louis (författare)
- University of California at Berkeley
-
- Zhanying, Hu (författare)
- University of California at Berkeley
-
- Tan, Haoyuan (författare)
- University of California at Berkeley
-
- Pan, Meng (författare)
- University of California at Berkeley
-
- Sjöberg, Jonas, 1964 (författare)
- Chalmers tekniska högskola,Chalmers University of Technology
-
visa färre...
-
(creator_code:org_t)
- ISBN 9781728143002
- 2019
- 2019
- Engelska.
-
Ingår i: Conference Record - Asilomar Conference on Signals, Systems and Computers. - 1058-6393. - 9781728143002 ; 2019-November, s. 79-83
- Relaterad länk:
-
https://arxiv.org/pd...
-
visa fler...
-
https://research.cha...
-
https://research.cha...
-
https://doi.org/10.1...
-
https://research.cha...
-
visa färre...
Abstract
Ämnesord
Stäng
- Traffic sign identification using camera images from vehicles plays a critical role in autonomous driving and path planning. However, the front camera images can be distorted due to blurriness, lighting variations and vandalism which can lead to degradation of detection performances. As a solution, machine learning models must be trained with data from multiple domains, and collecting and labeling more data in each new domain is time consuming and expensive. In this work, we present an end-to-end framework to augment traffic sign training data using optimal reinforcement learning policies and a variety of Generative Adversarial Network (GAN) models, that can then be used to train traffic sign detector modules. Our automated augmenter enables learning from transformed nightime, poor lighting, and varying degrees of occlusions using the LISA Traffic Sign and BDD-Nexar dataset. The proposed method enables mapping training data from one domain to another, thereby improving traffic sign detection precision/recall from 0.70/0.66 to 0.83/0.71 for nighttime images.
Ämnesord
- NATURVETENSKAP -- Data- och informationsvetenskap -- Annan data- och informationsvetenskap (hsv//swe)
- NATURAL SCIENCES -- Computer and Information Sciences -- Other Computer and Information Science (hsv//eng)
- TEKNIK OCH TEKNOLOGIER -- Samhällsbyggnadsteknik -- Transportteknik och logistik (hsv//swe)
- ENGINEERING AND TECHNOLOGY -- Civil Engineering -- Transport Systems and Logistics (hsv//eng)
- NATURVETENSKAP -- Data- och informationsvetenskap -- Datorseende och robotik (hsv//swe)
- NATURAL SCIENCES -- Computer and Information Sciences -- Computer Vision and Robotics (hsv//eng)
Publikations- och innehållstyp
- kon (ämneskategori)
- ref (ämneskategori)
Hitta via bibliotek
Till lärosätets databas
- Av författaren/redakt...
-
Chowdhury, Sohin ...
-
Tornberg, Lars, ...
-
Halfvordsson, Ro ...
-
Nordh, Jonatan
-
Suhren Gustafsso ...
-
Wall, Joel
-
visa fler...
-
Westerberg, Matt ...
-
Wirehed, Adam
-
Tilloy, Louis
-
Zhanying, Hu
-
Tan, Haoyuan
-
Pan, Meng
-
Sjöberg, Jonas, ...
-
visa färre...
- Om ämnet
-
- NATURVETENSKAP
-
NATURVETENSKAP
-
och Data och informa ...
-
och Annan data och i ...
-
- TEKNIK OCH TEKNOLOGIER
-
TEKNIK OCH TEKNO ...
-
och Samhällsbyggnads ...
-
och Transportteknik ...
-
- NATURVETENSKAP
-
NATURVETENSKAP
-
och Data och informa ...
-
och Datorseende och ...
- Artiklar i publikationen
-
Conference Recor ...
- Av lärosätet
-
Chalmers tekniska högskola