植物不会走在街上：面向可靠语义分割的常识推理
计算机视觉与模式识别
2021-04-20 v1
摘要
自动驾驶中数据驱动的传感器解释可能产生极不合理的预测，而大多数情况下可用常识知识加以验证。然而，仅从数据中学习常识十分困难，知识集成方法正是活跃的研究方向。我们提出使用一套部分人工设计、部分学习的规则，在高层抽象上描述交通场景中各对象间的关系。借此，我们改进并增强了现有消费底层传感器信息的深度神经网络。我们呈现了一项初步研究，将成熟的Probabilistic Soft Logic（PSL，概率软逻辑）框架适配用于验证并改进语义分割问题。我们详述了如何利用PSL将常识集成到分割流程中，并通过一组实验验证了该方法在A2D2自动驾驶数据集上针对若干严重图像失真所提升的鲁棒性。
引用
@article{arxiv.2104.09254,
title = {Plants Don't Walk on the Street: Common-Sense Reasoning for Reliable Semantic Segmentation},
author = {Linara Adilova and Elena Schulz and Maram Akila and Sebastian Houben and Jan David Schneider and Fabian Hueger and Tim Wirtz},
journal= {arXiv preprint arXiv:2104.09254},
year = {2021}
}
备注
Published at SAIAD (Safe Artificial Intelligence for Automated Driving) workshop at CVPR2021