同时目标检测与语义分割
计算机视觉与模式识别
2020-02-14 v2 图像与视频处理
摘要
相机图像中的目标检测和语义分割对于自动驾驶车辆都是重要任务。目标检测是必要的，以便规划与行为模块能够推断其他道路使用者。语义分割例如提供自由空间信息以及环境静态与动态部分的信息。已有大量研究使用卷积神经网络解决这两项任务。这些方法结果良好但计算量大。实践中，必须在检测性能、检测质量和任务数量之间找到折衷。否则无法满足自动驾驶车辆的实时要求。本工作中，我们提出一种神经网络架构同时解决两项任务。该架构设计用于在现有硬件上以约10 Hz处理1 MP图像。我们的方法在具有挑战性的Cityscapes基准上语义分割任务达到61.2%的平均IoU。在KITTI基准的中等难度级别上，对汽车的平均精度达到69.3%，达到67.7%。
引用
@article{arxiv.1905.02285,
title = {Simultaneous Object Detection and Semantic Segmentation},
author = {Niels Ole Salscheider},
journal= {arXiv preprint arXiv:1905.02285},
year = {2020}
}