本文共 428 字,大约阅读时间需要 1 分钟。
目录
持续更新中......
对语义分割模型采用层级分类,在推理过程中,每个子分类器根据自己的决策由其父分类器控制。通过这种方式,获得了更可靠的场景标签。在Apollo数据集中,车道标记标签比地面和目标标签更准确,因此在训练阶段只使用车道分割标签。
然而,车道标记附近的一些地面区域很容易被误认为车道标记。为了解决这一问题,我们将车道标记扩展到附近,并将整个扩展区域标记为“道路”。被车辆等物体阻塞的道路区域将从标签中移除。下图展示了Apollo标签在扩展处理之前(左)和之后(右)的示例。车道标记和生成的“道路”标签都用于训练。
可参考:
类似于,学习车道线的embed,只是这个embed做了特殊处理,直接用车道线gt的几何特征来监督;
1、
2、
3、
4、
5、
6、
7、
8、
9、
10、
11、
12、
13、
14、
15、
16、
17、
18、
19、
20、
21、
转载地址:http://qlqof.baihongyu.com/