PENet:一种联合全景边缘检测网络

近年来,紧凑高效的场景理解表示在提升机器人系统的态势感知与自主性方面日益受到关注。本文中,我们阐释全景边缘分割的概念,并提出PENet,一种将语义边缘检测与实例级感知结合为紧凑全景边缘表示的新型检测网络。这通过一个联合网络的多任务学习实现,该网络同时预测语义边缘、实例中心和偏移流图,无需边界框预测,并利用任务间的跨任务关联。所提方法将语义边缘检测扩展至涵盖类别感知与实例感知分割的全景边缘检测。我们在真实世界Cityscapes数据集上验证了所提全景边缘分割方法并证明其有效性。