基于 Ladder-DenseNet 模型的鲁棒语义分割
计算机视觉与模式识别
2018-06-12 v1 机器学习
摘要
我们给出了使用一种能够在四个基准数据集上进行预测的模型的语义分割实验：Cityscapes、ScanNet、WildDash 和 KITTI。我们采用阶梯式卷积架构，在下采样数据路径中使用了修改后的 DenseNet-169 模型，并在上采样数据路径的每一阶段仅使用一次卷积。由于计算资源有限，我们仅在 Cityscapes Fine train+val、ScanNet train、WildDash val 和 KITTI train 上训练。我们根据 Robust Vision Challenge ROB 2018 的指南，在四个基准的测试子集上评估训练好的模型。所进行的实验揭示了若干有趣的发现，我们对此进行了描述与讨论。
引用
@article{arxiv.1806.03465,
title = {Robust Semantic Segmentation with Ladder-DenseNet Models},
author = {Ivan Krešo and Marin Oršić and Petra Bevandić and Siniša Šegvić},
journal= {arXiv preprint arXiv:1806.03465},
year = {2018}
}
备注
4 pages, 4 figures, CVPR 2018 Robust Vision Challenge Workshop