EfficientPS：高效全景分割
计算机视觉与模式识别
2021-11-05 v3 机器学习
机器人学
摘要
理解自主机器人所处场景对其正常运行至关重要。此类场景理解需要识别交通参与者的实例以及通用场景语义，而这可由全景分割任务有效解决。本文提出高效全景分割（EfficientPS）架构，其由共享骨干网络组成，该骨干高效编码并融合语义丰富的多尺度特征。我们引入新的语义头以连贯地聚合精细与上下文特征，以及 Mask R-CNN 的新变体作为实例头。我们还提出一种新颖的全景融合模块，将 EfficientPS 架构两头的输出 logits 协调整合以产生最终全景分割输出。此外，我们引入 KITTI 全景分割数据集，包含对广受挑战的 KITTI 基准的全景标注。在 Cityscapes、KITTI、Mapillary Vistas 和 Indian Driving Dataset 上的广泛评估表明，我们提出的架构持续在这四个基准上树立新的 SOTA，同时是迄今最高效快速的全景分割架构。
引用
@article{arxiv.2004.02307,
title = {EfficientPS: Efficient Panoptic Segmentation},
author = {Rohit Mohan and Abhinav Valada},
journal= {arXiv preprint arXiv:2004.02307},
year = {2021}
}
备注
Ranked # 1 on Cityscapes panoptic segmentation benchmark, ranked # 2 among the published methods on Cityscapes semantic segmentation benchmark, and ranked # 2 among the published methods on Cityscapes instance segmentation benchmark. Demo, code and models are available at https://rl.uni-freiburg.de/research/panoptic