《Dynamic Fusion Module Evolves Drivable Area and Road Anomaly Detection: A Benchmark and Algorithms》
2021年T-cybernetics,最近在看这方面综述文章,记录一下。
这篇文章讲的是语义分割来做道路损失检测。
文章net的backbone用的是RTFnet来进行语义分割,文章创新性地将原文中用的热度图改为视差图来进行车道的语义分割。
首先作者对于视差图进行一个预处理,将之转变为一个准鸟瞰图。
该操作类似于以前文章中的操作,即生成两个能量函数对θ及α进行最小化求解。在这里不再赘述。
作者将原文中的fusion layer进行了一定的改进。
对于动态filter消耗大量内存的问题文章提出一种新的动态filter创建方法,主要是基于mobilenet的理念设计双阶段的卷积分解过程如上图所示。一个过程为3x3卷积,后面链接一个BN层及softmax函数,另一个过程主要用于通道数整理,方便输出后续的fused feature。
【论文阅读】《Dynamic Fusion Module Evolves Drivable Area and Road Anomaly Detection》
最新推荐文章于 2024-01-02 20:09:46 发布
本文介绍了2021年发表在T-cybernetics的一篇关于道路损失检测的文章。文章使用RTFnet作为网络骨架进行语义分割,并创新性地将热度图替换为视差图来分割车道。作者首先将视差图转化为准鸟瞰图,然后通过优化融合层解决了动态过滤器的内存消耗问题,提出了基于MobileNet理念的双阶段卷积分解方法。该方法旨在提高车道检测的效率和准确性。
摘要由CSDN通过智能技术生成