语义分割中分布外对象的检测与检索
计算机视觉与模式识别
2020-05-15 v1
摘要
在自动驾驶汽车中部署深度学习技术时，深度神经网络持续暴露于域偏移之下。这些偏移包括例如天气条件、一天中的时间和长期时间偏移的变化。本工作中，我们利用在包含城市场景的Cityscapes数据集上训练的深度神经网络，推断来自另一数据集A2D2的图像，该数据集还包含乡村和高速公路图像。我们提出一种用于语义分割的新型流程，其通过深度神经网络的预测检测分布外（OOD）片段，并在图像块上进行特征提取和降维后执行图像检索。在我们的实验中，我们证明所部署的OOD方法适用于检测分布外概念。此外，我们通过半兼容的A2D2真实标注对图像块检索进行定性和定量评估，获得了高达52.2%的mAP值。
引用
@article{arxiv.2005.06831,
title = {Detection and Retrieval of Out-of-Distribution Objects in Semantic Segmentation},
author = {Philipp Oberdiek and Matthias Rottmann and Gernot A. Fink},
journal= {arXiv preprint arXiv:2005.06831},
year = {2020}
}