2017 IROS之RGBT语义分割：MFNet: Towards Real-Time Semantic Segmentation for Autonomous Vehicles with Multi

MFNet: Towards Real-Time Semantic Segmentation for Autonomous Vehicles with Multi-Spectral Scenes
简述：
第一篇RGB-T语义分割文章：
近年来有关语义分割的研究主要基于在夜间能见度较差和恶劣天气条件下获取的RGB图像。此外，本文尽可能减少了时间消耗，提高速度。
模型：

17年还没有Res，本文就是最简单的编码解码器，最大通道数是128，所以设计的轻量级网络，网络本身没有复杂的结构。
本文提出了RGBT数据集，1569张对齐图像，9类（8类＋背景）。并给出实验指标为召回率和平均交并比。但本文的代码给出的是有误的，同时评价指标计算有误，实际没有达到实验部分给出的指标。

实验图像及9类标识：