弹性交互能量信息驱动的实时交通场景感知
计算机视觉与模式识别
2024-04-04 v2
摘要
城市分割与车道检测是交通场景感知的两项重要任务。视觉感知的准确度与快速推理速度对自动驾驶安全至关重要。精细而复杂的几何物体是交通场景中最具挑战性但重要的识别目标，如行人、交通标志与车道。本文提出一种简单高效的基于拓扑感知能量损失函数网络的训练策略，称为 EIEGSeg。EIEGSeg 专为实时交通场景感知中的多类分割设计。具体而言，卷积神经网络（CNN）提取图像特征并产生多路输出，弹性交互能量损失函数（EIEL）驱动预测向真值移动直至完全重叠。我们的策略在精细结构上表现尤佳，即更小或形状不规则的物体可被更准确识别，细长物体的不连续问题得以改善。我们在三个交通数据集（包括城市场景分割数据 Cityscapes 与车道检测数据 TuSimple 和 CULane）上定量与定性分析了该方法。结果表明 EIEGSeg 持续提升了性能，尤其在更适合自动驾驶的实时轻量网络上。
引用
@article{arxiv.2310.01449,
title = {Elastic Interaction Energy-Informed Real-Time Traffic Scene Perception},
author = {Yaxin Feng and Yuan Lan and Luchan Zhang and Guoqing Liu and Yang Xiang},
journal= {arXiv preprint arXiv:2310.01449},
year = {2024}
}