面向导航辅助系统的重要性感知语义分割与高效金字塔上下文网络
计算机视觉与模式识别
2019-07-30 v2
摘要
语义分割（SS）是一项为图像每个像素分配语义标签的任务，对自动驾驶车辆、机器人以及弱势道路使用者的辅助导航具有重要意义。显然，在不同应用场景中，不同对象具有层次化的重要性和安全相关性，但交叉熵等传统损失函数未考虑不同交通要素的重要性层级。为解决这一困境，我们利用并重新设计了一种重要性感知损失函数，就真实应用中语义重要性如何分配提供了深入启示。为针对不同导航任务定制语义分割网络，我们扩展了 ERF-PSPNet——一种为辅助视障行人的可穿戴设备设计的实时分割器，并提出 BiERF-PSPNet，其可生成具有更精细空间细节、异常适合自动驾驶的高质量分割图。在 CamVid 和 Cityscapes 数据集上对这些高效金字塔上下文网络的全面实验证明了我们的方案对支持多样化导航辅助系统的有效性。
引用
@article{arxiv.1907.11066,
title = {Importance-Aware Semantic Segmentation with Efficient Pyramidal Context Network for Navigational Assistant Systems},
author = {Kaite Xiang and Kaiwei Wang and Kailun Yang},
journal= {arXiv preprint arXiv:1907.11066},
year = {2019}
}
备注
7 pages, 22 figures, IEEE Intelligent Transportation Systems Conference - ITSC 2019