面向自动驾驶的单目实例运动分割：KITTI InstanceMotSeg数据集与多任务基线
计算机视觉与模式识别
2021-05-27 v4 机器人学
摘要
运动物体分割是自动驾驶车辆的一项关键任务，因为它可基于运动线索以类无关方式分割物体。它能够在训练期间检测未见物体（例如驼鹿或工程卡车），基于其运动且独立于其外观。尽管像素级运动分割已在自动驾驶文献中被研究，但实例级却很少被探讨，而实例级有助于分离运动物体的连通段，从而实现更好的轨迹规划。由于主要问题是缺乏大型公开数据集，我们创建了一个新的InstanceMotSeg数据集，包含12.9K样本，改进了我们的KITTIMoSeg数据集。除提供实例级标注外，我们添加了4个额外类别，这对研究类无关运动分割至关重要。我们适配YOLACT并实现了基于运动的类无关实例分割模型，作为该数据集的基线。我们还将其扩展为高效多任务模型，额外提供共享编码器的语义实例分割。该模型随后在类无关和语义头内学习独立的原型系数，提供两条独立的物体检测路径以实现冗余安全。为获得实时性能，我们研究了不同高效编码器，并使用MobileNetV2在Titan Xp GPU上达到39 fps，相对基线提升10% mAP。我们的模型将先前最优运动分割方法提升了3.3%。数据集与定性结果视频发布于我们的网站 https://sites.google.com/view/instancemotseg/。
引用
@article{arxiv.2008.07008,
title = {Monocular Instance Motion Segmentation for Autonomous Driving: KITTI InstanceMotSeg Dataset and Multi-task Baseline},
author = {Eslam Mohamed and Mahmoud Ewaisha and Mennatullah Siam and Hazem Rashed and Senthil Yogamani and Waleed Hamdy and Muhammad Helmi and Ahmad El-Sallab},
journal= {arXiv preprint arXiv:2008.07008},
year = {2021}
}
备注
Accepted for presentation at IEEE IV 2021 (Intelligent Vehicles Symposium) conference