هندسة عميقة متعددة المستويات وطريقة اختيار الدفعات الصغيرة لاكتشاف الإشارات المرورية والأضواء بشكل مشترك

مترجم:كواشف الإشارات الضوئية وعلامات الطريق في السيارات ذاتية القيادة ضرورية لفهم مشهد الطريق. تزخر الأدبيات بشبكات التعلم العميق التي تكتشف إما الإشارات الضوئية أو العلامات، وليس كلاهما معًا، مما يجعلها غير مناسبة للنشر في الحياة الحقيقية بسبب الذاكرة المحدودة وقوة المعالج الرسومي (GPU) المتاحة في الأنظمة المدمجة. السبب الجذري لهذه المشكلة هو عدم وجود مجموعة بيانات عامة تحتوي على ملصقات لكل من الإشارات الضوئية والعلامات، مما يؤدي إلى صعوبات في تطوير إطار عمل اكتشاف مشترك. نقدم هنا هندسة متدرجة عميقة بالاشتراك مع آلية اختيار مقترحات الدفعة الصغيرة (mini-batch proposal selection mechanism) والتي تسمح للشبكة باكتشاف كل من الإشارات الضوئية والعلامات من خلال التدريب على مجموعتي بيانات منفصلتين: واحدة للإشارات الضوئية وأخرى للعلامات. طريقتنا تحظى بحل مشكلة التداخل حيث لا يتم وضع ملصقات لحالات من مجموعة البيانات الواحدة في مجموعة البيانات الأخرى. نحن أول من قدم شبكة تقوم باكتشاف مشترك للإشارات الضوئية والعلامات. نقيس أداء شبكتنا على معيار Tsinghua-Tencent 100K لاكتشاف علامات الطريق وعلى معيار Bosch Small Traffic Lights لاكتشاف الإشارات الضوئية، ونظهر أنها تتفوق على الطريقة الأكثر تقدمًا حاليًا لـ Bosch Small Traffic Lights. نركز على نشر شبكتنا في السيارات ذاتية القيادة ونوضح أن شبكتنا أكثر ملاءمة من غيرها بسبب انخفاض بصمتها الذاكرية ومعالجتها الفورية للصور. يمكن مشاهدة النتائج النوعية على الرابط: https://youtu.be/_YmogPzBXOw