Navya3DSeg——面向自动驾驶的 Navya 3D 语义分割数据集与划分生成
计算机视觉与模式识别
2023-07-21 v3 机器学习
摘要
当今自动驾驶（AD）感知严重依赖基于深度学习的架构，需要大规模标注数据集及其相关的整理与标注成本。3D 语义数据对障碍物检测和自车定位等核心感知任务十分有用。我们提出了一个新数据集 Navya 3D Segmentation（Navya3DSeg），其具有对应于大规模生产级运行域的多样化标签空间，涵盖来自 13 个国家的乡村、城市、工业场所和大学。它包含 23 个带标注序列和 25 个无标注补充序列，旨在探索点云上的自监督与半监督语义分割基准。我们还提出了一种基于迭代多标签分层的序列数据集划分生成新方法，并证明相较 SemanticKITTI 数据集提出的原始划分取得了 +1.2% mIoU 的提升。我们使用最先进的方法完成了语义分割任务的完整基准测试。最后，我们展示了一种基于主动学习（AL）的数据集蒸馏框架。我们在 AL 背景下引入了一种称为基于自车位姿距离采样的无启发式采样新方法。关于该数据集的详细展示可参见 https://www.youtube.com/watch?v=5m6ALIs-s20。
引用
@article{arxiv.2302.08292,
title = {Navya3DSeg -- Navya 3D Semantic Segmentation Dataset & split generation for autonomous vehicles},
author = {Alexandre Almin and Léo Lemarié and Anh Duong and B Ravi Kiran},
journal= {arXiv preprint arXiv:2302.08292},
year = {2023}
}
备注
Accepted version to IEEE RA-L. Version with supplementary materials