使语义分割模型适应光照与相机视角变化
计算机视觉与模式识别
2019-04-17 v1
摘要
利用深度神经网络进行语义分割已被广泛研究，以为自动驾驶车辆生成高层上下文信息。为了获取前方环境完整的 语义理解，我们提出将多个不同朝向相机的语义图像拼接起来。然而，在相机朝向和光照条件发生显著变化后，先前训练的语义分割模型表现出不可接受的性能。为了避免耗时的手工标注，我们从实际现实世界的角度探索并评估了数据增强技术（特别是倾斜变换和伽马校正）的使用，以扩展现有模型并提供更鲁棒的性能。所给出的实验结果表明，在光照变化和相机视角变化下取得了显著改进。
引用
@article{arxiv.1809.04730,
title = {Adapting Semantic Segmentation Models for Changes in Illumination and Camera Perspective},
author = {Wei Zhou and Alex Zyner and Stewart Worrall and Eduardo Nebot},
journal= {arXiv preprint arXiv:1809.04730},
year = {2019}
}
备注
Submitted to IEEE Robotics and Automation Letters (RA-L) and 2019 IEEE International Conference on Robotics and Automation (ICRA)