17日前

RGB-Dセマンティックセグメンテーションのためのリアルタイム統合ネットワーク:道路走行画像における予期しない障害物検出を統合した手法

Lei Sun, Kailun Yang, Xinxin Hu, Weijian Hu, Kaiwei Wang
RGB-Dセマンティックセグメンテーションのためのリアルタイム統合ネットワーク:道路走行画像における予期しない障害物検出を統合した手法
要約

深層畳み込みニューラルネットワークの成功に伴い、意味的セグメンテーションは著しい進展を遂げてきた。自動運転のニーズを考慮すると、リアルタイムでの意味的セグメンテーションが近年の研究の注目分野となっている。しかし、現在では深度情報が容易に入手可能であるにもかかわらず、リアルタイムなRGB-D融合意味的セグメンテーションに関する研究は依然として少ない。本論文では、補完的なクロスモーダル情報を効果的に活用できるリアルタイム融合意味的セグメンテーションネットワークであるRFNetを提案する。効率的なネットワークアーキテクチャに基づくRFNetは高速な処理が可能であり、自動運転車両の応用に適している。複数のデータセットを用いた訓練により、予期せぬ小型障害物の検出能力が向上し、現実世界における予期せぬ危険に備えるために必要な認識クラスの拡充が実現された。広範な実験により、本フレームワークの有効性が確認された。Cityscapesデータセットにおいて、本手法は従来の最先端手法を上回り、全解像度2048×1024での推論速度22Hzという優れた精度と高速性を達成し、既存の多数のRGB-Dネットワークを上回っている。

RGB-Dセマンティックセグメンテーションのためのリアルタイム統合ネットワーク:道路走行画像における予期しない障害物検出を統合した手法 | 最新論文 | HyperAI超神経