复杂驾驶场景中的像素级异常检测
计算机视觉与模式识别
2021-03-10 v1
摘要
最先进的语义分割方法无法检测异常实例，这阻碍了它们在自动驾驶等安全关键和复杂应用中的部署。近期的方法要么利用分割不确定性来识别异常区域，要么从语义标签图重新合成图像以发现与输入图像的差异。在本工作中，我们证明这两种方法包含互补信息，并且可以结合以产生鲁棒的异常分割预测。我们提出了一种像素级异常检测框架，该框架利用不确定性图来改进现有的重新合成方法，以发现输入图像与生成图像之间的差异。我们的方法作为已训练分割网络外围的通用框架工作，在不影响分割精度的前提下确保异常检测，同时显著优于所有同类方法。在一系列不同异常数据集上的前两名性能表明了我们的方法在处理不同异常实例时的鲁棒性。
引用
@article{arxiv.2103.05445,
title = {Pixel-wise Anomaly Detection in Complex Driving Scenes},
author = {Giancarlo Di Biase and Hermann Blum and Roland Siegwart and Cesar Cadena},
journal= {arXiv preprint arXiv:2103.05445},
year = {2021}
}