鲁棒视觉挑战 2022 语义分割赛道第一名方案
计算机视觉与模式识别
2022-11-08 v3
摘要
本报告描述了 ECCV 2022 鲁棒视觉挑战（RVC）语义分割赛道的获胜方案。我们的方法采用 FAN-B-Hybrid 模型作为编码器，并使用 SegFormer 作为分割框架。模型在一个由 9 个数据集（ADE20K、Cityscapes、Mapillary Vistas、ScanNet、VIPER、WildDash 2、IDD、BDD 和 COCO）图像组成的复合数据集上训练，采用简单的数据集平衡策略。所有原始标签被投影到一个 256 类统一标签空间，模型使用交叉熵损失训练。在没有显著超参数调优或任何特定损失加权的情况下，我们的方案在来自多个域（ADE20K、Cityscapes、Mapillary Vistas、ScanNet、VIPER 和 WildDash 2）的所有测试语义分割基准上均排名第一。所提方法可作为多域分割任务的强基线，并裨益未来工作。代码将发布于 https://github.com/lambert-x/RVC_Segmentation。
引用
@article{arxiv.2210.12852,
title = {1st Place Solution of The Robust Vision Challenge 2022 Semantic Segmentation Track},
author = {Junfei Xiao and Zhichao Xu and Shiyi Lan and Zhiding Yu and Alan Yuille and Anima Anandkumar},
journal= {arXiv preprint arXiv:2210.12852},
year = {2022}
}
备注
The Winning Solution to The Robust Vision Challenge 2022 Semantic Segmentation Track