OffRoadTranSeg：基于Transformer的非结构化户外环境半监督分割
计算机视觉与模式识别
2021-06-29 v1 机器人学
摘要
我们提出OffRoadTranSeg，首个利用Transformer和自动数据选择进行标注的非结构化户外环境端到端半监督分割框架。越野分割是一种广泛应用于自动驾驶中的场景理解方法。流行的越野分割方法是使用全连接卷积层和大量标注数据，然而由于类别不平衡，会出现若干错配且某些类别可能无法被检测。我们的方法是以半监督方式完成越野分割任务。旨在提供一个模型，其中使用自监督视觉Transformer通过深度估计的自监督数据收集对越野数据集进行微调标注。所提方法在RELLIS-3D和RUGD越野数据集上进行了验证。实验表明OffRoadTranSeg优于其他SOTA模型，并解决了RELLIS-3D的类别不平衡问题。
引用
@article{arxiv.2106.13963,
title = {OffRoadTranSeg: Semi-Supervised Segmentation using Transformers on OffRoad environments},
author = {Anukriti Singh and Kartikeya Singh and P. B. Sujit},
journal= {arXiv preprint arXiv:2106.13963},
year = {2021}
}