基于纯合成数据的雾天场景语义理解
计算机视觉与模式识别
2020-06-26 v2 人工智能
机器学习
机器人学
摘要
本工作解决雾天道路条件下的语义场景理解问题。尽管近年来语义场景理解取得了显著进展，但主要集中在晴朗天气的室外场景。将语义分割方法扩展到雾等恶劣天气条件，对于自动驾驶汽车等室外应用至关重要。在本文中，我们提出一种新方法，使用纯合成数据来提升在苏黎世及其周边街道采集的未见过的真实世界雾天场景上的性能。我们的结果凸显了照片级真实感合成图像在训练和尤其是微调深度神经网络方面的潜力与威力。我们的贡献有三方面：1）我们创建了一个纯合成的、高质量的包含25,000个独特室外场景的雾天数据集，称之为Foggy Synscapes，并计划公开发布；2）我们表明使用该数据在真实世界雾天测试数据上优于以往方法；3）我们表明我们的数据与先前使用的数据相结合可进一步提升在真实世界雾天数据上的性能。
引用
@article{arxiv.1910.03997,
title = {Semantic Understanding of Foggy Scenes with Purely Synthetic Data},
author = {Martin Hahner and Dengxin Dai and Christos Sakaridis and Jan-Nico Zaech and Luc Van Gool},
journal= {arXiv preprint arXiv:1910.03997},
year = {2020}
}
备注
independent class IoU scores corrected for BiSiNet architecture