SNE-RoadSegV2：推进异构特征融合与失效感知以实现可行驶区域检测
计算机视觉与模式识别
2024-04-01 v2
摘要
具有双编码器的特征融合网络已被证明是解决可行驶区域检测问题的有效技术。然而，尽管先前的研究工作取得了令人瞩目的成果，但对充分且具有判别力的异构特征融合的探索，以及失效感知损失函数的开发仍然相对匮乏。本文做出了几项重要贡献以解决这些局限性：(1) 提出了一种新颖的异构特征融合模块，包含整体注意力模块、异构特征对比描述符和亲和权重特征重校准器，从而能够更深入地挖掘提取特征的内在特性；(2) 在解码器架构中引入了跨尺度和尺度内跳跃连接，同时消除了冗余连接，从而提高了准确性和计算效率；(3) 引入了两种失效感知损失函数，分别关注语义过渡区域和深度不一致区域，共同为模型训练提供了更强的监督。我们要提出的异构特征融合网络 (SNE-RoadSegV2) 整合了所有这些创新组件，在多个公共数据集上表现出优于所有其他可行驶区域检测算法的性能。值得注意的是，它在官方 KITTI Road 基准测试中排名第一。
引用
@article{arxiv.2402.18918,
title = {SNE-RoadSegV2: Advancing Heterogeneous Feature Fusion and Fallibility Awareness for Freespace Detection},
author = {Yi Feng and Yu Ma and Qijun Chen and Ioannis Pitas and Rui Fan},
journal= {arXiv preprint arXiv:2402.18918},
year = {2024}
}