面向WeatherProof数据集挑战赛的增强语义分割流程
计算机视觉与模式识别
2024-06-10 v2 人工智能
摘要
本报告描述了WeatherProof数据集挑战赛（CVPR 2024 UG2+ Track 3）的获胜方案。关于挑战赛的详细信息请访问 https://cvpr2024ug2challenge.github.io/track3.html。我们针对该挑战赛提出了一种增强的语义分割流程。首先，我们改进了语义分割模型，使用Depth Anything预训练的主干网络来提升UperNet模型和SETRMLA模型，并为InternImage模型添加了基于天气和类别信息的语言引导。其次，我们引入了一个具有更宽视角的新数据集WeatherProofExtra，并采用了数据增强方法，包括恶劣天气和超分辨率。最后，应用了有效的训练策略和集成方法以进一步提高最终性能。我们的解决方案在最终排行榜上排名第一。代码将在 https://github.com/KaneiGi/WeatherProofChallenge 提供。
引用
@article{arxiv.2406.03799,
title = {Enhanced Semantic Segmentation Pipeline for WeatherProof Dataset Challenge},
author = {Nan Zhang and Xidan Zhang and Jianing Wei and Fangjun Wang and Zhiming Tan},
journal= {arXiv preprint arXiv:2406.03799},
year = {2024}
}