SPIN 道路映射器：通过空间与交互空间图推理从航拍图像中提取道路用于自动驾驶
计算机视觉与模式识别
2021-09-17 v1 机器学习
机器人学
摘要
道路提取是构建自主导航系统的重要步骤。检测道路段具有挑战性，因为其宽度不一、在图像中分叉，并常被地形、云层或其他天气条件遮挡。仅使用卷积神经网络（ConvNets）处理该问题效果不佳，因其难以高效捕获图像中道路段之间的远距离依赖，而这对提取道路连通性至关重要。为此，我们提出空间与交互空间图推理（SPIN）模块，将其插入 ConvNet 后可在从特征图投影的空间和交互空间上构建的图上进行推理。空间空间推理提取不同空间区域间依赖及其他上下文信息；投影交互空间推理有助于将道路与图像中其他地形恰当区分。因此，SPIN 提取道路段间的长程依赖，并有效将道路与其他语义区分。我们还引入 SPIN 金字塔，在多个尺度上执行 SPIN 图推理以提取多尺度特征。我们提出一种基于堆叠沙漏模块和 SPIN 金字塔的道路分割网络，其性能优于现有方法。此外，我们的方法计算高效，并显著加快训练收敛速度，使其可应用于大规模高分辨率航拍图像。代码见：https://github.com/wgcban/SPIN_RoadMapper.git。
引用
@article{arxiv.2109.07701,
title = {SPIN Road Mapper: Extracting Roads from Aerial Images via Spatial and Interaction Space Graph Reasoning for Autonomous Driving},
author = {Wele Gedara Chaminda Bandara and Jeya Maria Jose Valanarasu and Vishal M. Patel},
journal= {arXiv preprint arXiv:2109.07701},
year = {2021}
}
备注
Code available at: https://github.com/wgcban/SPIN_RoadMapper.git