语义分割中未知类的检测与学习
计算机视觉与模式识别
2022-02-18 v1 机器学习
摘要
语义分割是自动驾驶感知中的关键组成部分。深度神经网络(DNNs)通常用于该任务,并且通常在封闭操作域中出现的封闭对象类别集合上进行训练。然而,这与部署 DNNs 的自动驾驶所基于的开放世界假设相矛盾。因此,DNNs 必然面临此前从未遇到过的数据,即所谓的异常,妥善应对这些异常对安全极为关键。在本工作中,我们首先从信息论视角对异常给出概述。接着,我们综述了语义分割中语义未知对象检测的研究。我们证明,在异常对象上训练出高熵响应优于其他近期方法,这与我们的理论发现一致。此外,我们考察了一种评估异常出现频率的方法,以筛选需纳入模型语义类别集合的异常类型。我们证明这些异常随后可以无监督方式学习,这尤其适用于基于深度学习的在线应用。
引用
@article{arxiv.2202.08700,
title = {Detecting and Learning the Unknown in Semantic Segmentation},
author = {Robin Chan and Svenja Uhlemeyer and Matthias Rottmann and Hanno Gottschalk},
journal= {arXiv preprint arXiv:2202.08700},
year = {2022}
}
备注
37 pages, 7 figures, chapter in Deep Neural Networks and Data for Automated Driving