真实世界与合成车辆前置摄像头图像的语义分割
计算机视觉与模式识别
2024-07-09 v1
摘要
在本文中，我们介绍了向第五届大烟山计算科学数据挑战赛（挑战 3）提交的成果。这是针对车辆前置摄像头拍摄的真实世界和合成图像中语义分割问题的解决方案。我们专注于构建一个鲁棒的模型，该模型能在各种不同户外场景（如晴天、雪天、雨天等）的多个域中表现良好。具体而言，我们的方法沿着两个主要方向发展：模型开发和域适应。在模型开发中，我们使用高分辨率网络（HRNet）作为基线。然后，该基线的结果由两个从粗到细的模型处理：对象上下文表示（OCR）和分层多尺度注意力（HMA），以获得更好的鲁棒特征。对于域适应，我们实现了基于域的批归一化（DNB）以减少来自不同域的分布偏移。我们提出的方法在验证集上达到了 81.259 的平均交并比（mIoU）。本文研究了使用真实世界和合成数据来处理语义分割问题中域适应的有效性。
引用
@article{arxiv.2407.05452,
title = {Semantic Segmentation for Real-World and Synthetic Vehicle's Forward-Facing Camera Images},
author = {Tuan T. Nguyen and Phan Le and Yasir Hassan and Mina Sartipi},
journal= {arXiv preprint arXiv:2407.05452},
year = {2024}
}
备注
13 pages