在ICCV 2019学习驾驶挑战赛中使用分割掩码
计算机视觉与模式识别
2019-10-24 v1 机器学习
摘要
本工作中，我们给定相机图像帧预测车速与转向角。我们的关键贡献是使用一个外部预训练神经网络进行分割。我们用其分割掩码与镜像图像增强原始图像。我们集成三种不同的神经网络模型：(i) 使用单幅图像及其分割掩码的CNN，(ii) 以图像与分割掩码序列为输入的堆叠CNN，以及 (iii) 双向GRU，使用预训练的ResNet34、DenseNet121以及我们自己的CNN单图像模型提取图像特征。我们在MSE角度上取得第二佳性能，且总性能第二佳，从而在ICCV学习驾驶挑战赛中荣获第二名。我们公开了我们的模型与代码。
引用
@article{arxiv.1910.10317,
title = {Using Segmentation Masks in the ICCV 2019 Learning to Drive Challenge},
author = {Antonia Lovjer and Minsu Yeom and Benedikt D. Schifferer and Iddo Drori},
journal= {arXiv preprint arXiv:1910.10317},
year = {2019}
}