MODS——一个面向无人水面艇的目标检测与障碍物分割基准
计算机视觉与模式识别
2022-02-10 v2 机器学习
摘要
小型无人水面艇(USV)是沿海水域设备，具有环境监测与监视等广泛应用。自主作业的一项关键能力是障碍物检测，以实现及时反应与避碰，近来这一问题已在基于摄像头的视觉场景理解背景下得到探索。得益于精心整理的数据集，无人地面车辆相关领域在场景理解上已取得实质性进展。然而，现有的海上数据集未能充分刻画真实世界 USV 场景的复杂性，且评估协议未标准化，这使得不同方法间的跨论文比较困难并阻碍了进展。为解决这些问题，我们引入了新的障碍物检测基准 MODS，其考虑两项主要感知任务：海上目标检测与更一般的海上障碍物分割。我们提出了一个多样化的海上评估数据集，包含约 81k 张与车载 IMU 同步的立体图像，标注了超过 60k 个对象。我们提出了一种新的障碍物分割性能评估协议，以对实际 USV 导航有意义的方式反映检测精度。使用所提协议对十九种近期最先进的目标检测与障碍物分割方法进行了评估，建立了促进该领域发展的基准。所提数据集及评估程序已在 vicos.si/resources 公开。
引用
@article{arxiv.2105.02359,
title = {MODS -- A USV-oriented object detection and obstacle segmentation benchmark},
author = {Borja Bovcon and Jon Muhovič and Duško Vranac and Dean Mozetič and Janez Perš and Matej Kristan},
journal= {arXiv preprint arXiv:2105.02359},
year = {2022}
}
备注
16 pages, 15 figures. The dataset, as well as the proposed evaluation protocols, are published on our website: https://www.vicos.si/resources/