EvCenterNet：基于证据学习的目标检测不确定性估计
计算机视觉与模式识别
2023-09-29 v2 人工智能
摘要
不确定性估计在自动驾驶等安全关键场景中至关重要，因为它为包括高层决策与路径规划在内的若干下游任务提供有价值的信息。在本工作中，我们提出EvCenterNet，一种新颖的基于证据学习的感知不确定性二维目标检测框架，直接估计分类与回归不确定性。为将证据学习用于目标检测，我们针对稀疏热图输入设计了证据损失与焦点损失函数的组合。我们引入用于回归与热图预测的类别平衡加权，以解决证据学习所遇到的类别不平衡问题。此外，我们提出一种学习方案，主动利用预测的热图不确定性，通过关注最不确定的点来提升检测性能。我们在KITTI数据集上训练模型，并在包括BDD100K与nuImages在内的具有挑战性的分布外数据集上评估。我们的实验表明，相对于基线模型，我们的方法提升了精度并最小化了执行时间损失。
引用
@article{arxiv.2303.03037,
title = {EvCenterNet: Uncertainty Estimation for Object Detection using Evidential Learning},
author = {Monish R. Nallapareddy and Kshitij Sirohi and Paulo L. J. Drews-Jr and Wolfram Burgard and Chih-Hong Cheng and Abhinav Valada},
journal= {arXiv preprint arXiv:2303.03037},
year = {2023}
}