FisheyeMultiNet：用于环视自动泊车系统的实时多任务学习架构
计算机视觉与模式识别
2019-12-25 v1 机器人学
摘要
自动泊车是一种低速操纵场景，其非结构化且复杂，需要对车辆周围全 360{\deg} 近场感知。本文中，我们从基于相机的深度学习算法视角讨论自动泊车系统的设计与实现。我们提供了涵盖嵌入式系统、用例及深度学习架构的工业系统整体概览。我们展示了一种称为 FisheyeMultiNet 的实时多任务深度学习网络，其在低功耗嵌入式系统上检测泊车所需的所有物体。FisheyeMultiNet 以 15 fps 运行于 4 个相机，具有三项任务：目标检测、语义分割与污损检测。为鼓励进一步研究，我们通过 WoodScape 项目 \cite{yogamani2019woodscape} 发布了包含语义分割与边界框检测真值的 5,000 张图像的部分数据集。
引用
@article{arxiv.1912.11066,
title = {FisheyeMultiNet: Real-time Multi-task Learning Architecture for Surround-view Automated Parking System},
author = {Pullarao Maddu and Wayne Doherty and Ganesh Sistu and Isabelle Leang and Michal Uricar and Sumanth Chennupati and Hazem Rashed and Jonathan Horgan and Ciaran Hughes and Senthil Yogamani},
journal= {arXiv preprint arXiv:1912.11066},
year = {2019}
}
备注
Accepted for publication at Irish Machine Vision and Image Processing (IMVIP) 2019