基于 Stixel 的实例分割学习
计算机视觉与模式识别
2021-07-08 v1
摘要
Stixel 已成功应用于自动驾驶中广泛的视觉任务，近期也包括实例分割。然而，由于其在图像中的稀疏出现，迄今为止 Stixel 很少作为深度学习算法的输入，限制了其在此类方法中的效用。本文提出 StixelPointNet，一种直接在 Stixel 上执行快速实例分割的新方法。通过将 Stixel 表示视为类似于点云的非结构化数据，诸如 PointNet 的架构能够从 Stixel 中学习特征。我们使用边界框检测器提出候选实例，并从中提取输入图像中相关的 Stixel。在这些 Stixel 上，PointNet 模型学习二值分割，随后我们在最终选择步骤中将其统一到整幅图像。StixelPointNet 在 Stixel 级别上实现了最先进的性能，比基于像素的分割方法明显更快，并表明通过我们的方法可将 Stixel 域引入许多新的三维深度学习任务。
引用
@article{arxiv.2107.03070,
title = {Learning Stixel-based Instance Segmentation},
author = {Monty Santarossa and Lukas Schneider and Claudius Zelenka and Lars Schmarje and Reinhard Koch and Uwe Franke},
journal= {arXiv preprint arXiv:2107.03070},
year = {2021}
}
备注
Accepted for publication in IEEE Intelligent Vehicles Symposium