CENet：面向自动驾驶的简洁高效 LiDAR 语义分割网络
计算机视觉与模式识别
2022-07-27 v1
摘要
准确且快速的场景理解是自动驾驶中具有挑战性的任务之一，其需要充分利用 LiDAR 点云进行语义分割。本文提出一种\textbf{简洁}且\textbf{高效}的基于图像的语义分割网络，名为 \textbf{CENet}。为提升所学特征的表达能力并降低计算与时间复杂度，我们的 CENet 将更大核尺寸的卷积（而非 MLP）、精心选择的激活函数，以及带有相应损失函数的多个辅助分割头集成到架构中。在公开基准 SemanticKITTI 与 SemanticPOSS 上进行的定量与定性实验表明，与最先进模型相比，我们的流程取得了明显更优的 mIoU 与推理性能。代码将发布于 https://github.com/huixiancheng/CENet。
引用
@article{arxiv.2207.12691,
title = {CENet: Toward Concise and Efficient LiDAR Semantic Segmentation for Autonomous Driving},
author = {Hui-Xian Cheng and Xian-Feng Han and Guo-Qiang Xiao},
journal= {arXiv preprint arXiv:2207.12691},
year = {2022}
}
备注
Accepted by ICME 2022