CVPRJun, 2019

行人检测算法中的年龄和性别偏差

PDF
TL;DR本文通过使用 INRIA Person Dataset 来测试儿童、成人、男性和女性标签数据，评估最先进的行人检测算法的性能差距，并表明 24 种最优表现的算法在儿童上的误检率更高，性别出现平均偏差；我们讨论了该偏见的来源、道德意义、技术解决方案和障碍。
pedestrian detection algorithmsage biasgender biasmiss ratescaltech pedestrian detection benchmark
发现论文，激发创造
  • 街上的黑皮肤个体存在更大的风险：揭示自动驾驶系统公正问题

    该论文在自动驾驶系统中进行了公平性测试，发现了与年龄和肤色相关的显著公平性问题，并且研究表明在低对比度和低亮度的情况下，对深肤色行人的偏见增加了。

    Aug, 2023

  • 使用预处理的 Lidar 数据进行人行分类和信号交叉口到达时间预测的框架

    研究表明，使用轮椅的行人死亡率比整体人口的行人死亡率高 36％。使用机器学习和深度学习模型，结合先进的交通传感器，设计了一个系统架构，可以区分残障人士和正常行人，并预测到达下一个路口的时间。该方案表现出了较高的脆弱用户分类和到达时间预测准确性。

    Jan, 2022

  • 自主驾驶中的公平性：对挑战性天气下目标检测的混淆因素的理解

    自主驾驶车辆部署迅速扩张至多个城市。本研究分析了目前最先进的基于 Transformer 的目标检测器中对行人检测公平性的全面实证分析，包括经典度量和新颖的基于概率的度量，以探索保护属性和环境因素对目标检测性能的影响。

    May, 2024

  • 自动驾驶车辆的稳健行人检测方法

    本文针对 Advanced Driver-Assistance Systems (ADAS) 中行人检测的挑战，使用 YOLOv5s 框架在 Caltech 行人数据集上进行 fine-tune，并且开发了可用于准备数据和注释数据的工具箱。实验结果表明，使用作者提出的方法，行人检测任务的均值平均精度（mAP）可高达 91％，且最高帧率可达 70 FPS，是一种比其他现有技术更为有效和准确的方法。

    Oct, 2022

  • 行人检测问题距离解决还有多远？

    该研究探究了行人检测领域当前最先进的方法和 “完美的单帧检测器” 的差距，并通过创建行人检测的人类基线和手动聚类来对其进行分析。通过研究检测器的训练注释噪声对检测器性能的影响，以及研究卷积神经网络用于行人检测时影响其性能的因素，该研究提出了改进方法，并在 Caltech 数据集上取得了最佳性能。

    Feb, 2016

  • 了解性别分类算法在不同性别 - 种族群体中的公平性

    针对自动化性别分类系统在不同种族和性别群体中存在的差异性，本文分析了深度学习算法中的架构差异和训练集不平衡等潜在差异性来源，并在两个大规模的公开数据集上进行了实验。实验结果表明，不同算法的分类表现存在一致性，而且黑种女性和黑种族总体的准确率最低，中东男性和拉丁女性的准确率大多数情况下更高。同时提出骨骼结构受基因和环境因素影响的面部形态差异可能是黑种女性表现不佳的原因。

    Sep, 2020

  • 低光照条件下的行人检测：综述

    综述了针对低光条件下行人检测的各种方法和数据集，并讨论了挑战和最近提出的解决方法，主要使用基于深度学习的图像融合方法进行准确可靠的行人检测。

    Jan, 2024

  • 一般化行人检测：房间里的大象

    本研究通过直接的跨数据集评估的一般性原则，发现了现有最先进的行人检测器在跨数据集评估中通常表现不佳，主要因为其设计可能偏向传统的单数据集训练测试流程中的流行基准，而训练数据源不够密集和多样化。此外，本文提出了一条渐进的培训流水线，可以明显地提高与自动驾驶相关的行人检测的性能。

    Mar, 2020

  • 行人检测十年，我们学到了什么？

    分析行人检测领域中 40 多个探测器中探索的主要思想，发现存在 3 类方法，目前都达到了相似的检测质量，结合多种发布的策略，建立了一个新的决策树检测器，在 Caltech-USA 数据集上实现了当前已知的最佳性能。

    Nov, 2014

  • 城市交通中行人动作和意图识别

    本研究使用多种特征提取方法和机器学习算法，使用 JAAD 数据集为基础，聚焦于行人运动和头部方向的检测，达到了 72% 和 85% 的准确率，能有效解决自动驾驶和高级驾驶辅助系统中的行人意图和行动识别问题。

    Oct, 2018