MergeNet：一种用于小障碍物发现的深度网络架构
计算机视觉与模式识别
2018-03-20 v1 机器人学
摘要
我们在此提出了一种名为 MergeNet 的新型网络架构，用于在自动驾驶场景中发现道路场景中的小障碍物。该架构的基础在于以较少数据量进行训练的核心考量，因为小障碍物的物理设置和标注过程难以规模化。为了有效利用有限的数据，我们提出了一种多阶段训练过程，包括权重共享、从 RGBD 输入中分别学习低层和高层特征，以及一个学习融合所获互补特征的精炼阶段。该模型在 Lost and Found 数据集上进行了训练和评估，仅需 135 张图像即可达到最先进的结果，而之前的基准方法使用了 1000 张图像。此外，我们还将我们的结果与使用 6000 张图像训练的近期方法进行了比较，表明我们的方法仅用 1000 个训练样本即可达到相当的性能。
引用
@article{arxiv.1803.06508,
title = {MergeNet: A Deep Net Architecture for Small Obstacle Discovery},
author = {Krishnam Gupta and Syed Ashar Javed and Vineet Gandhi and K. Madhava Krishna},
journal= {arXiv preprint arXiv:1803.06508},
year = {2018}
}