论文简介
- 论文地址：Fast Scene Understanding for Autonomous Driving
- 演示视频地址：https://youtu.be/55ElRh-g_7o
- 论文基于ENet，给出了一种实时的解决方案，可以同时解决语义场景分割、实例分割以及单目深度估计这三个自动驾驶过程中的重要问题。使用共享的encoder做初步的特征提取，针对3个不同的任务，使用不同的decoder。
- 可以在Cityscapes数据集上跑出21fps的速度(1024X512)，单个任务的精度也非常高。
- 论文没有介绍新的网络架构或者模型，但是融合了已有的很多东西，给出了一种实时场景理解的方法。
- 论文中提到，在模型的精度性能没有大幅下降的情况下，提升模型计算的速度对于自动驾驶是更加重要的，现在有的很多模型由于采用了神经网络的方法，参数量巨大，很难做到实时。
论文解决的三个问题
语义分割
- loss function是标准的pixel-wise的cross-entropy loss
实例分割
- 使用前面blog中提到的
Discriminative Loss Function作为loss function
基于单目的深度估计
- 之前比较经典的方法是使用L2的loss作为loss function，论文中使用
Eigen和Fergus提出的reverse Huber loss，模型的性能比使用L2 loss有所提升.
其他
- ENet论文：https://arxiv.org/pdf/1606.02147.pdf，是一个可以用于语义分割的FCN。