驾驶场景感知网络：实时联合检测、深度估计与语义分割
计算机视觉与模式识别
2018-03-13 v1
摘要
近年来对实现高级别自动驾驶的需求日益增长，而视觉感知是实现完全自动驾驶的关键特性之一。本文中，我们介绍一种利用共享卷积架构同时实现目标检测、深度估计与像素级语义分割的高效方法。所提出的网络模型命名为驾驶场景感知网络（DSPNet），使用多级特征图与多任务学习来提升基于单张输入图像的目标检测、深度估计与图像分割任务的精度与效率。因此，最终网络模型在NVIDIA GeForce GTX 1080上以1024x512输入图像使用时占用少于850 MiB GPU内存并实现14.0 fps，且精度与效率均较单任务组合有所提升。
引用
@article{arxiv.1803.03778,
title = {Driving Scene Perception Network: Real-time Joint Detection, Depth Estimation and Semantic Segmentation},
author = {Liangfu Chen and Zeng Yang and Jianjun Ma and Zheng Luo},
journal= {arXiv preprint arXiv:1803.03778},
year = {2018}
}
备注
9 pages, 7 figures, WACV'18