CERBERUS：基于多任务学习的简洁高效一体化自动驾驶感知模型
计算机视觉与模式识别
2022-10-04 v1
摘要
感知周围环境对于实现自动驾驶或辅助驾驶功能至关重要。该领域的常见任务包括检测道路使用者、确定车道边界以及分类驾驶条件。过去几年中，已提出大量强大的深度学习模型，以惊人性能解决基于摄像头的自动驾驶感知中的各个任务。然而，车载嵌入式计算平台的有限能力无法应对为每个单独任务运行繁重模型所需的计算开销。本工作中，我们提出CERBERUS（CEnteR Based End-to-end peRception Using a Single model，基于中心端到端单模型感知），一种轻量模型，利用多任务学习方法以单次推理的代价执行多个感知任务。代码将在 https://github.com/cscribano/CERBERUS 公开。
引用
@article{arxiv.2210.00756,
title = {CERBERUS: Simple and Effective All-In-One Automotive Perception Model with Multi Task Learning},
author = {Carmelo Scribano and Giorgia Franchini and Ignacio Sañudo Olmedo and Marko Bertogna},
journal= {arXiv preprint arXiv:2210.00756},
year = {2022}
}
备注
Presented at IROS 2022 PNARUDE Workshop