利用合成未知数据实现异常感知的语义分割
计算机视觉与模式识别
2021-11-30 v1
摘要
异常感知是自动驾驶等安全关键应用的必备能力。尽管机器人与计算机视觉的最新进展已支持图像分类的异常检测，语义分割上的异常检测仍较少被探索。传统异常感知系统将其他已有类别作为分布外（伪未知）类别来训练模型，会带来两点缺陷：（1）应用需应对的未知类别在训练时可能实际不存在；（2）模型性能会严重依赖类别选择。鉴于此，我们提出新颖的合成未知数据生成方法，旨在解决异常感知语义分割任务。我们设计了新的掩码梯度更新（MGU）模块，沿分布内数据点的边界生成辅助数据。此外，我们改进传统交叉熵损失以突出边界数据点。我们在两个异常分割数据集上取得了最先进的性能，消融实验也证明了所提模块的有效性。
引用
@article{arxiv.2111.14343,
title = {Anomaly-Aware Semantic Segmentation by Leveraging Synthetic-Unknown Data},
author = {Guan-Rong Lu and Yueh-Cheng Liu and Tung-I Chen and Hung-Ting Su and Tsung-Han Wu and Winston H. Hsu},
journal= {arXiv preprint arXiv:2111.14343},
year = {2021}
}