不同骨干网络架构对自动驾驶数据集的影响
计算机视觉与模式识别
2023-09-18 v1
摘要
目标检测是自动驾驶的关键组成部分，许多检测应用已被开发以完成该任务。这些应用通常依赖于骨干网络架构，其从输入中提取表征特征以执行目标检测任务。骨干网络架构所提取特征的质量会对整体检测性能产生显著影响。许多研究者致力于开发新颖且改进的骨干网络架构，以提升目标检测应用的效率与精度。尽管这些骨干网络架构在 MS-COCO 和 PASCAL-VOC 等通用目标检测数据集上取得了最先进的性能，但此前尚未有研究评估它们在自动驾驶环境下的表现。为此，我们的研究评估了 KITTI、NuScenes 和 BDD 三个知名的自动驾驶数据集，以比较不同骨干网络架构在目标检测任务上的性能。
引用
@article{arxiv.2309.08564,
title = {The Impact of Different Backbone Architecture on Autonomous Vehicle Dataset},
author = {Ning Ding and Azim Eskandarian},
journal= {arXiv preprint arXiv:2309.08564},
year = {2023}
}
备注
This paper has been accepted by IMECE2023