实现恶劣驾驶条件下的语义分割: 用于自动驾驶的域增量语义分割

文章预览

  摘要 在自动驾驶中，语义分割在面临恶劣驾驶条件时变得更加具有挑战性。在理想条件下训练的标准模型在不利的天气或光照条件下表现下降。在新任务或条件下进行微调会导致先前学习的信息被覆盖，从而导致灾难性遗忘。通过传统领域适应方法适应新条件会提高目标领域的性能，但以牺牲源领域为代价。为了解决这些问题，我们提出了一种基于架构的域增量学习方法，称为渐进式语义分割（PSS）。PSS是一个任务无关的、动态增长的特定于领域的细分模型集合。使用一组卷积自编码器来推断领域并随后选择适当的分割模块的任务。我们使用多个数据集广泛评估了我们提出的方法，这些数据集在不同级别的粒度上分类了恶劣驾驶条件。此外，我们展示了所提出方法对类似和未见领域的泛化能力。  欢迎加入自动驾驶实战群 1 引言 自动驾驶系统 ………………………………