【论文名称】Detecting Road Obstacles by Erasing Them 【作者团队】Krzysztof Lis， Sina Honari ，Pascal Fua， Mathieu Salzmann 【发表时间】2020/12/25 【机 构】洛桑联邦理工学院 【论文链接】https://arxiv.org/pdf/2012.13633.pdf

【推荐理由】 本文针对车道线检测模型训练过程中，训练数据集图像中存在障碍物导致模型学习到错误特征，最终导致检测精度下降的问题，提出了一种可以去除数据集图像中障碍物的方法。 该方法首先检测道路中的障碍物特征，再使用障碍物周围道路的纹理滑动修补障碍物所在的位置，结构示意图如图1所示。同时为了应对修复后纹路存在瑕疵的现象，文章提出了双向差异网络来区分修复后的瑕疵部分，结构示意图如图2所示，其中两个输入由VGG特征提取网络提供，然后通过1×1卷积将特征进行级联和融合。此外，文章还计算图像和修复特征的逐点关联图，将其通过附加通道添加到1×1卷积的输出中，然后将串联的特征传递给上卷积金字塔，最后，通过上卷积金字塔和softmax获得所需的热图。

图1 滑动窗口修补障碍物

图2 差异网络结构示意图

文章的主要贡献有： 1） 提出了一种可以去除训练数据集中障碍物的方法，经过实验验证，该方法优于目前最先进的方法； 2） 搭建了一种基于单目视觉的道路数据集用于障碍物检测。 未来，文章将研究自适应补丁，提高融合率以解决大尺寸障碍物的相关算法。

内容中包含的图片若涉及版权问题，请及时与我们联系删除

点赞 收藏 评论 分享到Link

评论列表

沙发等你来抢

去评论