Adopting the YOLOv4 Architecture for Low-Latency Multispectral Pedestrian Detection in Autonomous Driving

Kamil Roszyk; Michał R. Nowicki; Piotr Skrzypczyński

doi:10.3390/s22031082

System Informacji Naukowej Politechniki Poznańskiej

PL EN

Strona główna / Publikacje / Adopting the YOLOv4 Architecture for Low-Latency Multispectral Pedestrian Detection in Autonomous Driving

Zgłoś uwagę

Artykuł

Pobierz plik Pobierz BibTeX

Tytuł

Adopting the YOLOv4 Architecture for Low-Latency Multispectral Pedestrian Detection in Autonomous Driving

Autorzy

Kamil Roszyk ^{[ S ]}
Michał R. Nowicki (WARiE) ^{[ 1 ][ 2.2 ][ P ]}
Piotr Skrzypczyński (WARiE) ^{[ 1 ][ 2.2 ][ P ]}

^{[ 1 ]} Instytut Robotyki i Inteligencji Maszynowej, Wydział Automatyki, Robotyki i Elektrotechniki, Politechnika Poznańska | ^{[ S ]} student | ^{[ P ]} pracownik

Dyscyplina naukowa (Ustawa 2.0)

[2.2] Automatyka, elektronika i elektrotechnika

Rok publikacji

2022

Opublikowano w

Sensors

Rocznik: 2022 | Tom: vol. 22 | Numer: iss. 3

Typ artykułu

artykuł naukowy

Język publikacji

angielski

Słowa kluczowe

EN

pedestrian detection
multispectral fusion
deep learning
You Only Look Once
real-time

Data udostępnienia online

30.01.2022

Strony (od-do)

1082-1 - 1082-21

DOI

10.3390/s22031082

URL

https://www.mdpi.com/1424-8220/22/3/1082

Uwagi

Article number: 1082

Typ licencji

CC BY (uznanie autorstwa)

Tryb otwartego dostępu

otwarte czasopismo

Wersja tekstu w otwartym dostępie

ostateczna wersja opublikowana

Data udostępnienia

30.01.2022 (Data domniemana)

Czas udostępnienia publikacji w sposób otwarty

w momencie opublikowania

Pełny tekst artykułu

Pobierz plik

Poziom dostępu do pełnego tekstu

publiczny

Punktacja Ministerstwa / czasopismo

100

Impact Factor

3,9

System tworzony przez Politechnikę Poznańską oraz Poznańskie Centrum Superkomputerowo-Sieciowe

Zaloguj się przez eKonto, aby dodać do SIN