一种用于非结构化驾驶场景的细粒度数据集及其高效语义分割
计算机视觉与模式识别
2022-12-20 v1 机器学习
摘要
与城市环境相比，针对非结构化环境中自动驾驶的研究受限于语义标注数据集的缺乏。由于一天内和跨季节的变化光照与天气条件，城市和非结构化户外环境均具挑战性。在本文中，我们介绍TAS500，一种用于非结构化环境中自动驾驶的新型语义分割数据集。TAS500提供细粒度的植被和地形类别，以有效学习户外场景中的可行驶表面和自然障碍。我们评估了现代语义分割模型的性能，并额外关注其效率。我们的实验证明了细粒度语义类别在提升整体预测精度（尤其沿类别边界）方面的优势。数据集与预训练模型可在mucar3.de/icpr2020-tas500获取。
引用
@article{arxiv.2103.13109,
title = {A Fine-Grained Dataset and its Efficient Semantic Segmentation for Unstructured Driving Scenarios},
author = {Kai A. Metzger and Peter Mortimer and Hans-Joachim Wuensche},
journal= {arXiv preprint arXiv:2103.13109},
year = {2022}
}
备注
Accepted at International Conference on Pattern Recognition 2020 (ICPR). For the associated project page, see https://www.mucar3.de/icpr2020-tas500/index.html