Fishyscapes 基准：度量语义分割中的盲点

深度学习已在语义分割精度上实现了令人印象深刻的进展。然而，对于自动驾驶等安全关键应用，估计不确定性和检测失败的能力至关重要。现有的不确定性估计大多在简单任务上评估，尚不清楚这些方法是否能推广到更复杂的场景。我们提出 Fishyscapes，首个针对城市驾驶语义分割真实世界任务中不确定性估计的公开基准。它评估面向车辆前方异常物体检测的像素级不确定性估计。我们将最先进的方法适配到近期语义分割模型，并比较基于 softmax 置信度、贝叶斯学习和嵌入密度的方法。我们的结果表明，即便是普通场景，异常检测也远未解决，而我们的基准允许度量超越当前最优水平的进展。