MultiNet：面向自动驾驶的实时联合语义推理
计算机视觉与模式识别
2018-05-10 v2 机器人学
摘要
尽管大多数语义推理方法侧重于提升性能，但在本文中，我们论证了计算时间对于实现自动驾驶等实时应用至关重要。为实现这一目标，我们提出了一种通过统一架构进行联合分类、检测与语义分割的方法，其中编码器在三个任务间共享。我们的方法非常简单，可进行端到端训练，并在具有挑战性的 KITTI 数据集上表现极其优异，在道路分割任务上超越了现有技术。我们的方法也非常高效，执行所有任务耗时不到 100 ms。
引用
@article{arxiv.1612.07695,
title = {MultiNet: Real-time Joint Semantic Reasoning for Autonomous Driving},
author = {Marvin Teichmann and Michael Weber and Marius Zoellner and Roberto Cipolla and Raquel Urtasun},
journal= {arXiv preprint arXiv:1612.07695},
year = {2018}
}
备注
9 pages, 7 tables and 9 figures; first place on Kitti Road Segmentation; Code on GitHub (https://github.com/MarvinTeichmann/MultiNet)