RRPN : Réseau de Proposition de Régions Radar pour la Détection d'Objets dans les Véhicules Autonomes

Les algorithmes de proposition de régions jouent un rôle crucial dans la plupart des réseaux de détection d'objets à deux étapes en supposant les emplacements des objets dans l'image. Cependant, ces algorithmes sont connus pour être le goulot d'étranglement dans la plupart des réseaux de détection d'objets à deux étapes, augmentant le temps de traitement pour chaque image et entraînant des réseaux lents qui ne conviennent pas aux applications en temps réel telles que les véhicules autonomes. Dans cet article, nous présentons RRPN (Radar-based Real-time Region Proposal Network), un algorithme de proposition de régions en temps réel basé sur le radar pour la détection d'objets dans les véhicules autonomes. RRPN génère des propositions d'objets en cartographiant les détections radar sur le système de coordonnées de l'image et en générant des boîtes d'ancre prédéfinies pour chaque point de détection radar mappé. Ces boîtes d'ancre sont ensuite transformées et redimensionnées en fonction de la distance entre l'objet et le véhicule, afin de fournir des propositions plus précises pour les objets détectés. Nous évaluons notre méthode sur le nouveau jeu de données NuScenes [1] en utilisant le réseau de détection d'objets Fast R-CNN [2]. Par rapport à l'algorithme de proposition d'objets Selective Search [3], notre modèle opère plus de 100 fois plus rapidement tout en atteignant une précision et un rappel plus élevés dans la détection. Le code source est disponible au public sur https://github.com/mrnabati/RRPN .