这并非我所想象：基于视觉差异的语义分割错误检测
计算机视觉与模式识别
2019-09-04 v1
摘要
由于深度学习的能力，语义分割的精度取得了显著进展。遗憾的是，这些方法难以泛化到远超其训练数据分布的范围，且无法妥善处理分布外类别。这限制了其在自动驾驶或安全关键系统中的适用性。我们提出一种利用生成模型检测错误分割或分布外实例的新方法。以预测的语义分割为条件，生成一张 RGB 图像。随后我们学习一种差异度量，将生成图像与原始输入进行比较，并检测由语义分割引入的不一致。我们给出了离群值与误分类检测的测试用例，并在多个数据集上从定性与定量两方面评估了我们的方法。
引用
@article{arxiv.1909.00676,
title = {This is not what I imagined: Error Detection for Semantic Segmentation through Visual Dissimilarity},
author = {David Haldimann and Hermann Blum and Roland Siegwart and Cesar Cadena},
journal= {arXiv preprint arXiv:1909.00676},
year = {2019}
}