语义分割--Efficient Deep Models for Monocular Road Segmentation

Efficient Deep Models for Monocular Road Segmentation
code: https://lmb.informatik.uni-freiburg.de/Publications/2016/OB16b/

针对路面检测和分割问题，本文结合FCN 和 U-Net 提出一个网络 Up-Convolutional Networks，在速度和精度方面得到不错的效果

KITTI benchmark lane/road segmentation tasks，分为三类：背景，路面，车道线

Up-Convolutional Network 网络结构设计主要参考 FCN

网络具体参数设置：

C. Optimizing the Use of Parameters
我们做的主要改进在一下几个方面：
1）Parameter reduction: FCN 在特征提取阶段使用了 VGG16 作为基础，这个网络有4096个 7*7 大小的滤波器，这个大尺寸滤波器计算量比较大。这里我们将 FC-conv 的滤波器数量从 4096 降低到 1024，滤波器尺寸由 7*7 变为 3*3，这样网络的参数减少一些，计算量也相应降低，当然精度有所下降，我们在网络的其他地方来提高精度。
2) New refinement to improve system accuracy: 这里主要是参考 U-Net 设计思想，增加了网络放大层的宽度， we increase the width of the up-convolutional side of the network。 Previously our network has a 1 − to − 1 mapping, each refinement has the same number of filters and classes ( N_cl ).

D. Data Augmentation
Scaling: scale the image by a factor between 0.7 and 1.4;
• Color: Add a value between −0.1 and 0.1 to the hue channel of the HSV representation.

Rotation and cropping 不适合路面检测情况，所以没有使用

E. Network Training
训练采用了分阶段进行，每个阶段在一个 Titan X GPU 使用了一天时间，总共使用了5天训练了整个网络

实验结果：

语义分割--Efficient Deep Models for Monocular Road Segmentation相关推荐

【语义分割】CVPR2021_Rethinking BiSeNet For Real-time Semantic Segmentation
文章目录一.背景二.动机三.方法 3.1 Design of Encoding Network 3.2 Decoder 四.实验 4.1 消融实验 4.2 和 SOTA 方法对比 Paper: ...
ECCV2020语义分割——Self-Prediction for Joint Instance and Semantic Segmentation of Point Clouds
Self-Prediction for Joint Instance and Semantic Segmentation of Point Clouds Abstract (一) Introducti ...
语义分割--Attention to Scale: Scale-aware Semantic Image Segmentation
Attention to Scale: Scale-aware Semantic Image Segmentation CVPR2016 http://liangchiehchen.com/proje ...
语义分割--Label Refinement Network for Coarse-to-Fine Semantic Segmentation
Label Refinement Network for Coarse-to-Fine Semantic Segmentation https://www.arxiv.org/abs/1703.005 ...
【语义分割】Fully Attentional Network for Semantic Segmentation
文章目录一.背景和动机二.方法三.效果本文收录于 AAAI2022 一.背景和动机语义分割中,non-local (NL)的方法起到了很好了捕捉 long-range 信息的作用,大致可分为 ...
语义分割--Efficient and Robust Deep Networks for Semantic Segmentation
Efficient and Robust Deep Networks for Semantic Segmentation Code: https://lmb.informatik.uni-freibu ...
语义分割 DeepLabv3--Rethinking Atrous Convolution for Semantic Image Segmentation
Rethinking Atrous Convolution for Semantic Image Segmentation https://arxiv.org/abs/1706.05587v1 代码还 ...
【语义分割】DUC -- Understand Convolution for Semantic Segmentation
参考:Understand Convolution for Semantic Segmentation
【论文汇总】Semantic-Segmentation(语义分割)
语义分割关于语义分割的所有论文和资源的列表. 数据集重要性语义分割-深度学习 DL模型语义分割的若干实现数据集 voc2012 CitySpaces Mapillary ADE20K PASCA ...

语义分割--Efficient Deep Models for Monocular Road Segmentation

语义分割--Efficient Deep Models for Monocular Road Segmentation相关推荐

最新文章

热门文章