Sep, 2020

余弦相似度与 softmax 结合：视觉定位难以超越的基线模型

PDF
TL;DR本文提出了一种在多个图像 ROI 特征和文本嵌入之间的余弦距离上最小化交叉熵损失来实现自动驾驶视觉定位的简单方法，使用预训练网络获得初始嵌入，同时实验结果表明比采用精细注意机制或复杂度损失函数的方法表现更优，AP50 准确率达到 68.7%。
visual groundingautonomous drivingroi featurespre-trained networkstalk2car dataset
发现论文，激发创造
  • MultiNet: 自主驾驶实时联合语义推理

    本文提出了一种联合分类、检测和语义分割的方法，其中编码器在三个任务之间共享。该方法非常简单，可以端到端训练，在具有挑战性的 KITTI 数据集中表现良好，在道路分割任务中优于现有技术。而且，我们的方法非常高效，执行所有任务只需要不到 100 毫秒。

    Dec, 2016

  • 为实时道路图像语义分割辩护：基于预训练 ImageNet 架构

    本文提出了一种基于 light-weight general purpose architecture、light-weight upsampling 以及融合多重分辨率的特征来扩大接受域的语义分割方法，在多个数据集上获得显着的优越性能和较高的 MIoU 和帧率。

    Mar, 2019

  • 提升自动驾驶仿真学习交通规则遵守的关键因素

    提出了一种基于惩罚的模仿学习方法，采用交叉语义生成传感器融合技术来提高端到端自动驾驶的整体性能，并对其在长城 05 城镇基准测试中的性能进行了评估，并显示出相对基准模型的显著增强，同时对抗性攻击也表现出更高的鲁棒性。

    Sep, 2023

  • 交通场景相似度：基于图形对比学习的方法

    通过使用图形来构建一个有意义的嵌入空间，我们的方法展示了场景的连续映射以及基于嵌入结果形成主题相似群集，从而在后续测试过程中识别相似场景，从而减少冗余测试运行。

    Sep, 2023

  • 将车辆映射到鸟瞰图中的学习

    本文提出了一种语义感知变换的方法，将仪表板摄像机视图中的检测结果映射到场景的更广泛、俯视的占用图中，通过大量的合成数据和深度神经网络的训练实现，结果表明该模型能够在真实世界的数据上进行泛化。

    Jun, 2017

  • 自动驾驶快速场景理解

    本文提出一种基于 ENet 的实时高效实现，可以同时解决语义场景分割、实例分割和单目深度估计三个自动驾驶相关任务，不会因同时运行多个任务而牺牲准确性。

    Aug, 2017

  • 驾驶员注意力跟踪和分析

    我们提出了一种使用安装在车辆挡风玻璃和仪表盘上的普通摄像头来估计驾驶员凝视点的新方法。该方法通过开发一种卷积网络来同时分析场景图像和驾驶员面部图像，其中包含一个相机校准模块，可以计算表示驾驶员和摄像头系统之间空间配置的嵌入向量，该模块改善了网络的性能并可以进行端到端的联合训练。我们还引入了一种大规模的驾驶数据集，其中包含了真实驾驶情景的图像以及驾驶员面部和凝视数据，对该数据集的实验表明，所提出的方法优于各种基准方法，均方误差为 29.69 像素，相对于场景摄像头的 $1280 {imes} 720$ 分辨率而言，误差较小。

    Apr, 2024

  • 引导端到端驾驶模型的注意力

    通过使用显著语义地图进行训练期间添加损失项，引导注意力可以改善自动驾驶模型的驾驶质量，并获得更直观的激活图，特别是在数据和计算资源有限的情况下。

    Apr, 2024

  • 关于使用车道分割关注图相似度量化自主驾驶模拟中的 Sim2Real 图像差距的研究

    本文旨在提出一个测量自动驾驶仿真图像贴近真实性的方法，并验证了该方法的适用性。

    Jun, 2023

  • MonoGAE：具有地面感知的路边单目 3D 物体检测

    该研究提出了一种新的基于智能路边摄像头的道路单目三维物体检测框架 MonoGAE，通过使用地面感知嵌入和交叉注意机制将地面几何信息与图像特征相结合，从而提高自主驾驶系统对道路场景的感知精度。

    Sep, 2023