ICRA 2025 GOOSE 2D 语义分割挑战技术报告：通过光照畸变和指数移动平均提升离野场景分割
计算机视觉与模式识别
2025-05-20 v1
摘要
我们报告了将高容量语义分割管道应用于ICRA 2025 GOOSE 2D 语义分割挑战的方法，该挑战针对非结构化的离野环境。我们采用FlashInternImage-B骨干网络搭配UPerNet解码器，将既定技术应用于离野场景的独特条件。我们的训练配方结合强力光照畸变增强(以模拟户外地形的广泛光照变化)和权重的指数移动平均(EMA)，以实现更好的泛化。仅使用GOOSE训练数据集，我们在验证集上实现了88.8%的mIoU。
引用
@article{arxiv.2505.11769,
title = {Technical Report for ICRA 2025 GOOSE 2D Semantic Segmentation Challenge: Boosting Off-Road Segmentation via Photometric Distortion and Exponential Moving Average},
author = {Wonjune Kim and Lae-kyoung Lee and Su-Yong An},
journal= {arXiv preprint arXiv:2505.11769},
year = {2025}
}
备注
Winners of the GOOSE 2D Semantic Segmentation Challenge at the IEEE ICRA Workshop on Field Robotics 2025