基于深度密集连接 MRF 的自动驾驶实例级分割
计算机视觉与模式识别
2016-04-28 v2
摘要
我们的目标是在自动驾驶场景下提供单目图像的像素级实例级标注。我们基于近期工作 [Zhang et al., ICCV15] 构建，该工作训练了卷积神经网络以预测从图像中按步长详尽提取的局部图像块的实例标注。随后 [Zhang et al., ICCV15] 提出了一种使用若干启发式方法的简单马尔可夫随机场模型，以推导图像的全局一致实例标注。本文中，我们利用一种新颖的密集连接马尔可夫随机场表述全局标注问题，并展示如何以适于高效平均场推断 [Krähenbühl et al., NIPS11] 的方式编码各种直观势能。我们的势能编码了全局标注与块级预测之间的兼容性、对比度敏感平滑性以及分离区域形成不同实例这一事实。在具有挑战性的 KITTI 基准 [Geiger et al., CVPR12] 上的实验表明，我们的方法相比基线 [Zhang et al., ICCV15] 取得了显著的性能提升。
引用
@article{arxiv.1512.06735,
title = {Instance-Level Segmentation for Autonomous Driving with Deep Densely Connected MRFs},
author = {Ziyu Zhang and Sanja Fidler and Raquel Urtasun},
journal= {arXiv preprint arXiv:1512.06735},
year = {2016}
}