SoildNet：自动驾驶中的污损退化检测
计算机视觉与模式识别
2019-11-22 v2 机器学习
机器人学
图像与视频处理
摘要
在自动驾驶领域，摄像头传感器位于车外，极易受到雨滴、雪、灰尘、沙、泥等环境污损源的影响，因此极易发生污损。这可能导致部分或完全的视觉退化。因此，检测此类视觉退化对于安全性以及整体保持自动驾驶中“自主”组件的功能至关重要。本工作的贡献包括：1）设计基于深度卷积神经网络（DCNN）的基线网络；2）利用若干网络重构技术，如采用静态与动态分组卷积、通道重排序，以压缩基线结构并使其适用于算力近 1 TOPS 的低功耗嵌入式系统；3）比较所有用于污损退化检测的临时网络在输入分辨率 1280 x 768 上以 64 x 64 大小的图块（tile）为单位的各项结果指标。压缩后的网络称为 SoildNet（Sand, snOw, raIn/dIrt, oiL, Dust/muD），其仅使用基线网络 9.72% 的可训练参数，并将模型大小缩减逾 7 倍，且精度无损失。
引用
@article{arxiv.1911.01054,
title = {SoildNet: Soiling Degradation Detection in Autonomous Driving},
author = {Arindam Das},
journal= {arXiv preprint arXiv:1911.01054},
year = {2019}
}
备注
Accepted at the NeurIPS 2019 Workshop on Machine Learning for Autonomous Driving