초록
영역 제안 알고리즘이 이미지에서 객체 위치를 가정함으로써 대부분의 최신 두 단계 객체 검출 네트워크에서 중요한 역할을 합니다. 그럼에도 불구하고, 영역 제안 알고리즘은 대부분의 두 단계 객체 검출 네트워크에서 병목 현상이 되어 각 이미지의 처리 시간을 증가시키고, 자율 주행 차량과 같은 실시간 응용 프로그램에 적합하지 않은 느린 네트워크를 초래합니다. 본 논문에서는 RRPN(Radar-based Real-time Region Proposal Network)을 소개합니다. RRPN은 레이다 감지를 이미지 좌표 시스템에 매핑하고, 각 매핑된 레이다 감지 점에 대해 사전 정의된 앵커 박스를 생성하여 자율 주행 차량에서의 객체 검출을 위한 실시간 영역 제안 알고리즘을 제공합니다. 이러한 앵커 박스는 차량과 객체 사이의 거리를 기반으로 변환되고 크기가 조정되어, 검출된 객체에 대해 더 정확한 제안을 제공합니다. 우리는 새로운 NuScenes 데이터셋 [1]을 사용하여 Fast R-CNN 객체 검출 네트워크 [2]에서 우리의 방법론을 평가했습니다. Selective Search 객체 제안 알고리즘 [3]과 비교하여, 우리의 모델은 100배 이상 빠르게 작동하면서 동시에 더 높은 검출 정밀도와 재현율을 달성하였습니다. 코드는 https://github.com/mrnabati/RRPN 에 공개적으로 제공되었습니다.