Fugu-MT 論文翻訳(概要): Real-time Fusion Network for RGB-D Semantic Segmentation Incorporating Unexpected Obstacle Detection for Road-driving Images

論文の概要: Real-time Fusion Network for RGB-D Semantic Segmentation Incorporating Unexpected Obstacle Detection for Road-driving Images

arxiv url: http://arxiv.org/abs/2002.10570v2
Date: Sat, 27 Jun 2020 14:29:00 GMT
ステータス: 処理完了
システム内更新日: 2022-12-29 04:41:13.471919
Title: Real-time Fusion Network for RGB-D Semantic Segmentation Incorporating Unexpected Obstacle Detection for Road-driving Images
Title（参考訳）: 道路走行画像の予期せぬ障害物検出を考慮したrgb-d意味セグメンテーションのためのリアルタイム融合ネットワーク
Authors: Lei Sun, Kailun Yang, Xinxin Hu, Weijian Hu and Kaiwei Wang
Abstract要約: RFNetと呼ばれるリアルタイムな融合セマンティックセグメンテーションネットワークを提案する。 RFNetは迅速な実行が可能で、自動運転車のアプリケーションを満たす。 Cityscapesでは,従来の最先端セマンティックセマンティックセマンティックセマンティックスよりも優れた精度と22Hzの推論速度で優れていた。
参考スコア（独自算出の注目度）: 13.3382165879322
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Semantic segmentation has made striking progress due to the success of deep convolutional neural networks. Considering the demands of autonomous driving, real-time semantic segmentation has become a research hotspot these years. However, few real-time RGB-D fusion semantic segmentation studies are carried out despite readily accessible depth information nowadays. In this paper, we propose a real-time fusion semantic segmentation network termed RFNet that effectively exploits complementary cross-modal information. Building on an efficient network architecture, RFNet is capable of running swiftly, which satisfies autonomous vehicles applications. Multi-dataset training is leveraged to incorporate unexpected small obstacle detection, enriching the recognizable classes required to face unforeseen hazards in the real world. A comprehensive set of experiments demonstrates the effectiveness of our framework. On Cityscapes, Our method outperforms previous state-of-the-art semantic segmenters, with excellent accuracy and 22Hz inference speed at the full 2048x1024 resolution, outperforming most existing RGB-D networks.
Abstract（参考訳）: セマンティックセグメンテーションは、ディープ畳み込みニューラルネットワークの成功によって顕著な進歩を遂げた。自動運転の需要を考えると、リアルタイムセマンティクスセグメンテーションは近年研究のホットスポットとなっている。しかし,近年はアクセス可能な深度情報にもかかわらず,リアルタイムなRGB-D融合セマンティックセマンティックセグメンテーション研究はほとんど行われていない。本稿では,補完的クロスモーダル情報を効果的に活用する,リアルタイム融合セマンティクスセグメンテーションネットワーク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いて構築されたRFNetは、自動運転車アプリケーションを満たす高速に動作することができる。マルチデータセットトレーニングは、予期せぬ小さな障害物検出を取り入れ、現実世界の予期せぬ危険に直面するために必要なクラスを充実させる。包括的な実験のセットは、我々のフレームワークの有効性を示します。 Cityscapesでは,従来の最先端セマンティックセマンティックセマンティックセマンティクスよりも優れ,2048x1024解像度で22Hzの推論速度を実現し,既存のRGB-Dネットワークよりも優れていた。

関連論文リスト

CSFNet: A Cosine Similarity Fusion Network for Real-Time RGB-X Semantic Segmentation of Driving Scenes [0.0]
マルチモーダルなセマンティックセグメンテーション手法は、高い計算複雑性と低い推論速度に悩まされる。本稿では,リアルタイムRGB-XセマンティックセマンティックセグメンテーションモデルとしてCosine similarity Fusion Network (CSFNet)を提案する。 CSFNetは最先端の手法と競合する精度を持ち、速度に関しては最先端の手法である。
論文参考訳（メタデータ） (2024-07-01T14:34:32Z)
Real-Time Semantic Segmentation: A Brief Survey & Comparative Study in Remote Sensing [13.278362721781978]
本稿では,効率的なディープニューラルネットワークを設計するための基本的な圧縮手法の要約から始める。そこで本研究では,ネットワークアーキテクチャ設計のアプローチに基づいて,これらの手法を分類学に組み込むことにより,基礎的な効率的な深層学習手法について検討する。我々は,現在利用可能なリモートセマンティックセマンティックセグメンテーションベンチマークデータセットを用いて,既存のディープニューラルネットワークの品質と効率を評価する。
論文参考訳（メタデータ） (2023-09-12T08:30:48Z)
Spatial-information Guided Adaptive Context-aware Network for Efficient RGB-D Semantic Segmentation [9.198120596225968]
計算パラメータを削減し,アルゴリズムの堅牢性を保証する,効率的な軽量エンコーダデコーダネットワークを提案する。また,NYUv2,SUN RGB-D,Cityscapesのデータセットを用いた実験結果から,本手法は最先端手法よりもセグメンテーション精度,推定時間,パラメータのトレードオフが良好であることが示された。
論文参考訳（メタデータ） (2023-08-11T09:02:03Z)
A Threefold Review on Deep Semantic Segmentation: Efficiency-oriented, Temporal and Depth-aware design [77.34726150561087]
我々は、自動運転車のビジョンの文脈において、Deep Semanticの最も関連性があり最近の進歩について調査を行う。私たちの主な目的は、それぞれの視点で直面している主要な方法、利点、制限、結果、課題に関する包括的な議論を提供することです。
論文参考訳（メタデータ） (2023-03-08T01:29:55Z)
Unseen Object Instance Segmentation with Fully Test-time RGB-D Embeddings Adaptation [14.258456366985444]
最近では、大規模な合成データのRGB-D機能を活用し、実世界のシナリオにモデルを適用するのが一般的である。本稿では,Sim2Realドメイン間の適応プロセスを再強調する。本稿では,BatchNorm層のパラメータに基づいて,完全テスト時間RGB-D埋め込み適応(FTEA)を行うフレームワークを提案する。
論文参考訳（メタデータ） (2022-04-21T02:35:20Z)
M-FasterSeg: An Efficient Semantic Segmentation Network Based on Neural Architecture Search [0.0]
本稿では,ディープラーニングネットワークに基づくセマンティックセグメンテーションネットワークの改良構造を提案する。まず、ニューラルネットワーク探索法NAS(Neural Architecture Search)を用いて、複数の解像度分岐を持つセマンティックセグメンテーションネットワークを求める。検索プロセスでは、自己注意ネットワーク構造モジュールを結合して、探索したニューラルネットワーク構造を調整し、異なるブランチによって探索されたセマンティックセマンティックセマンティックネットワークを結合して、高速なセマンティックセマンティックセマンティックネットワーク構造を形成する。
論文参考訳（メタデータ） (2021-12-15T06:46:55Z)
Multi-Exit Semantic Segmentation Networks [78.44441236864057]
本稿では,最先端セグメンテーションモデルをMESSネットワークに変換するフレームワークを提案する。パラメトリド早期出口を用いた特別訓練されたCNNは、より簡単なサンプルの推測時に、その深さに沿って保存する。接続されたセグメンテーションヘッドの数、配置、アーキテクチャとエグジットポリシーを併用して、デバイス機能とアプリケーション固有の要件に適応する。
論文参考訳（メタデータ） (2021-06-07T11:37:03Z)
Binary DAD-Net: Binarized Driveable Area Detection Network for Autonomous Driving [94.40107679615618]
本稿では,二項化駆動型領域検出ネットワーク(バイナリDAD-Net)を提案する。エンコーダ、ボトルネック、デコーダ部分の2重みとアクティベーションのみを使用する。パブリックデータセット上で、最先端のセマンティックセグメンテーションネットワークより優れています。
論文参考訳（メタデータ） (2020-06-15T07:09:01Z)
Real-Time Semantic Segmentation via Auto Depth, Downsampling Joint Decision and Feature Aggregation [54.28963233377946]
本稿では,セグメンテーション戦略の自動化を目的として,AutoRTNetという共同検索フレームワークを提案する。具体的には,ネットワーク深度とダウンサンプリング戦略を協調的に決定するハイパーセルと,自動マルチスケール機能アグリゲーションを実現するアグリゲーションセルを提案する。
論文参考訳（メタデータ） (2020-03-31T14:02:25Z)
Real-Time High-Performance Semantic Image Segmentation of Urban Street Scenes [98.65457534223539]
都市景観のロバストなセマンティック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DCNNに基づく高速DCNN手法を提案する。提案手法は, 51.0 fps と 39.3 fps の推論速度で, 平均 73.6% と平均 68.0% (mIoU) の精度を実現する。
論文参考訳（メタデータ） (2020-03-11T08:45:53Z)
Depthwise Non-local Module for Fast Salient Object Detection Using a Single Thread [136.2224792151324]
本稿では,高速な物体検出のための新しいディープラーニングアルゴリズムを提案する。提案アルゴリズムは,1つのCPUスレッドと同時に,競合精度と高い推論効率を実現する。
論文参考訳（メタデータ） (2020-01-22T15:23:48Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。