DFNet：基于动态损失权重与残差融合块的全景图像语义分割
计算机视觉与模式识别
2018-06-20 v1
摘要
对于自动驾驶与自动泊车，感知是基础且关键的技术，此外，车道线与泊车位的检测是视觉感知的重要部分。本文中，我们采用语义分割方法在全景环视（PSV）数据集上分割区域并对车道线与泊车位的类别进行分类。我们提出 DFNet 并作出两项主要贡献，其一为动态损失权重，另一为残差融合块（RFB）。动态损失权重随类别变化，依据一个批次中每类的像素数计算。RFB 由两层卷积层、一层池化层与一层融合层组成，通过像素乘法结合特征图。我们在 PSV 数据集上评估了我们的方法，并取得了先进的结果。
引用
@article{arxiv.1806.07226,
title = {DFNet: Semantic Segmentation on Panoramic Images with Dynamic Loss Weights and Residual Fusion Block},
author = {Wei Jiang and Yan Wu},
journal= {arXiv preprint arXiv:1806.07226},
year = {2018}
}
备注
6 pages,3 figures