第七届 AI 驾驶奥运会:全景跟踪第一名报告
计算机视觉与模式识别
2021-12-13 v1 机器学习
机器人学
摘要
在本技术报告中,我们描述了我们的 EfficientLPT 架构,该架构在 NeurIPS 2021 的第七届 AI 驾驶奥运会中赢得了全景跟踪挑战赛。我们的架构建立在自顶向下的 EfficientLPS 全景分割方法之上。EfficientLPT 由一个共享骨干网络组成,其修改版 EfficientNet-B5 模型包含作为编码器的邻近卷积模块,随后是范围感知 FPN 以聚合语义丰富的范围感知多尺度特征。随后,我们采用两个任务特定头:尺度不变语义头和带有来自语义头反馈的混合任务级联作为实例头。此外,我们采用一种新颖的全景融合模块来自适应融合来自各个头的 logits 以产生全景跟踪输出。我们的方法利用三个连续累积的扫描来预测局部一致的全景跟踪 ID,并利用扫描之间的重叠来预测给定序列的全局一致全景跟踪 ID。NeurIPS 2021 第七届 AI 驾驶奥运会的基准测试结果表明,我们的模型在 Panoptic nuScenes 数据集的全景跟踪任务上排名 #1。
引用
@article{arxiv.2112.05210,
title = {7th AI Driving Olympics: 1st Place Report for Panoptic Tracking},
author = {Rohit Mohan and Abhinav Valada},
journal= {arXiv preprint arXiv:2112.05210},
year = {2021}
}