自动驾驶中语义分割的安全度量
计算机视觉与模式识别
2021-09-28 v2 机器学习
摘要
在自动驾驶背景下，深度神经网络的安全相关度量已在图像分类与目标检测中得到广泛研究。本文进一步考虑专用于语义分割的、具有安全意识的正确性与鲁棒性度量。我们提案的新颖之处在于超越像素级度量：给定两幅图像，每幅各有N个像素发生类别翻转，所设计的度量应依据发生类别翻转的像素的聚类情况或发生位置，反映不同程度的安全关键性。在自动驾驶数据集上的评估结果证明了我们所提方法的有效性与实用性。
引用
@article{arxiv.2105.10142,
title = {Safety Metrics for Semantic Segmentation in Autonomous Driving},
author = {Chih-Hong Cheng and Alois Knoll and Hsuan-Cheng Liao},
journal= {arXiv preprint arXiv:2105.10142},
year = {2021}
}
备注
Paper accepted at IEEE AI Test'21