Object detection is a critical problem for advanced driving assistance systems (ADAS). Recently, convolutional neural networks (CNN) achieved large successes on object detection, with performance improvement over traditional approaches, which use hand-engineered features. However, due to the challenging driving environment (e.g., large object scale variation, object occlusion, and bad light conditions), popular CNN detectors do not achieve very good object detection accuracy over the KITTI autonomous driving benchmark dataset. In this paper, we propose three enhancements for CNN-based visual object detection for ADAS. To address the large object scale variation challenge, deconvolution and fusion of CNN feature maps are proposed to add context and deeper features for better object detection at low feature map scales. In addition, soft non-maximal suppression (NMS) is applied across object proposals at different feature scales to address the object occlusion challenge. As the cars and pedestrians have distinct aspect ratio features, we measure their aspect ratio statistics and exploit them to set anchor boxes properly for better object matching and localization. The proposed CNN enhancements are evaluated with various image input sizes by experiments over KITTI dataset. The experimental results demonstrate the effectiveness of the proposed enhancements with good detection performance over KITTI test set.

中文翻译：

---

使用深度卷积神经网络进行高级驾驶辅助的增强型目标检测

目标检测是高级驾驶辅助系统 (ADAS) 的关键问题。最近，卷积神经网络 (CNN) 在对象检测方面取得了巨大成功，与使用手工设计特征的传统方法相比性能有所提高。然而，由于具有挑战性的驾驶环境（例如，大的物体尺度变化、物体遮挡和恶劣的光照条件），流行的 CNN 检测器在 KITTI 自动驾驶基准数据集上没有达到非常好的物体检测精度。在本文中，我们针对 ADAS 的基于 CNN 的视觉对象检测提出了三个增强功能。为了解决大对象尺度变化的挑战，提出了 CNN 特征图的解卷积和融合，以添加上下文和更深层次的特征，以便在低特征图尺度下更好地检测对象。此外，软非最大抑制 (NMS) 应用于不同特征尺度的对象提议，以解决对象遮挡挑战。由于汽车和行人具有不同的纵横比特征，我们测量它们的纵横比统计数据并利用它们来正确设置锚框，以实现更好的对象匹配和定位。通过对 KITTI 数据集的实验，使用各种图像输入大小评估了所提出的 CNN 增强功能。实验结果证明了所提出的增强的有效性，在 KITTI 测试集上具有良好的检测性能。我们测量它们的纵横比统计数据，并利用它们来正确设置锚框，以实现更好的对象匹配和定位。通过对 KITTI 数据集的实验，使用各种图像输入大小评估了所提出的 CNN 增强。实验结果证明了所提出的增强的有效性，在 KITTI 测试集上具有良好的检测性能。我们测量它们的纵横比统计数据，并利用它们来正确设置锚框，以实现更好的对象匹配和定位。通过对 KITTI 数据集的实验，使用各种图像输入大小评估了所提出的 CNN 增强功能。实验结果证明了所提出的增强的有效性，在 KITTI 测试集上具有良好的检测性能。