面向自动驾驶的场景理解
计算机视觉与模式识别
2021-05-12 v1
摘要
基于图像内容检测与分割物体是计算机视觉领域最活跃的话题之一。如今，该问题可使用Faster R-CNN或YOLO等深度学习架构来解决。本文中，我们研究了Detectron2中提出的RetinaNet、Faster R-CNN和Mask R-CNN不同配置的行为。首先，我们在KITTI-MOTS和MOTSChallenge数据集上对这些预训练模型进行定性与定量（AP）评估。我们观察到，在相关数据集上微调这些模型并优化超参数后，性能有显著提升。最后，我们使用脱离上下文的数据集在异常情况下进行推理，并给出了有助于更好理解这些网络的有趣结果。
引用
@article{arxiv.2105.04905,
title = {Scene Understanding for Autonomous Driving},
author = {Òscar Lorente and Ian Riera and Aditya Rana},
journal= {arXiv preprint arXiv:2105.04905},
year = {2021}
}