Mar, 2024

不确定性感知贝叶斯核推断下的越野环境证据性语义建模

PDF
TL;DR提出了一种基于证据的语义映射方法，通过将证据深度学习集成到语义分割网络中，获得语义预测的不确定性估计，并将此不确定性融入到一个能够在感知性环境具有挑战性的场景中提高可靠性的不确定性感知成核推理中，通过自适应处理语义不确定性，在之前未见过的环境中构建了强健的环境表达，详尽的实验证明了该框架在高感知不确定性场景中提高了准确性和鲁棒性，始终优于现有方法。
发现论文，激发创造
  • 基于 Dempster-Shafer 证据理论的非道路环境中的不确定性感知语义地图构建

    通过将证据推理、Evidential Deep Learning（EDL）和 Dempster's combination rule 应用于语义映射，提出了一种证据语义映射框架，以在感知挑战环境下改善不确定性地图的可靠性，并显示与最佳语义映射技术相当的语义准确性。

    May, 2024

  • ConvBKI：实时可量化不确定性的概率语义建图网络

    我们在本文中，开发了一个用于不确定环境下实时语义映射的模块化神经网络，该网络明确地更新神经网络层中的每个体素的概率分布。我们的方法结合了经典概率算法的可靠性和现代神经网络的性能和效率。我们通过将语义分割预测在线地引入到三维地图中，通过深度卷积层利用共轭先验，引入了一种新颖的卷积贝叶斯核推断 (ConvBKI) 层。我们与最先进的深度学习方法和概率算法进行了比较，以评估可靠性和性能。我们还创建了一个 ConvBKI 的 Robot Operating System (ROS) 包，并在现实世界具有感知挑战性的越野驾驶数据上进行了测试。

    Oct, 2023

  • UFO: 地形语义图的不确定性感知激光雷达 - 图像融合

    通过执行多尺度的激光雷达 - 图像融合，结合使用不确定性感知的伪标签，提高 RGB 图像和单次激光雷达扫描产生的语义地形图的准确性，进而在具有挑战性的越野环境中实现可靠和安全的自主导航。

    Mar, 2024

  • 鸟瞰视野语义分割的不确定性量化：方法与基准

    这篇论文介绍了一种用于预测不确定性量化的基准测试方法，通过评估不同方法在三个流行数据集上对于识别被错分和不适当类别像素、以及校准的有效性，发现证据深度学习方法在高效量化不确定性方面表现最有潜力，提出了适用于高度不平衡数据的 Uncertainty-Focal-Cross-Entropy (UFCE) 损失函数，以及增强模型对高不确定性像素关注的缺空缩放规则项能够提高确定性不确定性量化。

    May, 2024

  • 城市自动驾驶应用的概率语义地图

    本文介绍了一种将图像和预先构建的点云地图信息融合的方法来自动且准确地标记诸如道路、人行道、人行横道和车道等静态地标，并展示了该模型可以预测大部分道路特征并可以扩展用于自动将道路特征纳入高清地图。

    Jun, 2020

  • 贝叶斯空间核平滑用于可扩展稠密语义地图

    本文提出了一种基于贝叶斯方法的连续三维语义占用地图构建方法，通过对贝叶斯内核推理模型的推广，从二进制问题到多类问题，实现了统一的概率模型和采用贝叶斯空间内核推理来提高地图构建的性能，同时在多序列数据上得到了较好的效果。

    Sep, 2019

  • 自主车辆的单目语义地图定位

    提出了一种新颖的轻量级视觉语义定位算法，通过稳定的语义特征代替低级纹理特征，结合离线构建的语义地图和在线的数据关联实现实时的自动驾驶定位。实验结果表明，该方法在各种自动驾驶定位任务中是可靠且实用的定位解决方案。

    Jun, 2024

  • LetsMap：无监督语义 BEV 地图的表示学习

    该研究提出了一种无监督学习方法，从单眼正视图像生成语义鸟瞰地图，以在自动驾驶的各种决策任务中提供强大的遮挡推理能力，其使用了 1% 的标注数据和无额外标记数据，在 KITTI-360 和 nuScenes 数据集上表现与现有最先进的方法相当。

    May, 2024

  • 基于证据融合的半监督医学图像分割的不确定性感知学习

    通过在混合和原始样本的跨区域整合证据预测结果，重分配每个体素的置信度和不确定度度量，结合信息熵设计了体素级渐进学习策略以更加准确地估计体素的预测结果。实验结果表明，我们提出的方法在 LA、胰腺 CT、ACDC 和 TBAD 数据集上相对于现有技术取得了卓越的性能。

    Apr, 2024

  • 评估基于贝叶斯深度学习的语义分割方法

    本研究提出了三种度量标准以评估贝叶斯深度学习模型在语义分割任务中的不确定性估计。通过修改 DeepLab-v3+ 模型并使用 MC dropout 和 Concrete dropout 作为推断技术，本研究在 Cityscapes 数据集上比较和测试这两种推断技术的性能。结果可作为研究者对改进不确定性量化的参考。

    Nov, 2018