SalsaNext:用于自动驾驶的LiDAR点云的不确定度感知语义分割

【文件属性】：
文件名称：SalsaNext:用于自动驾驶的LiDAR点云的不确定度感知语义分割
文件大小：33.69MB
文件格式：ZIP
更新时间：2021-05-14 01:51:54
encoder decoder bayesian-network lidar semantic-segmentation SalsaNext：用于自动驾驶的LiDAR点云的快速，不确定性感知语义分割 抽象的 在本文中，我们将SalsaNext用于实时的完整3D LiDAR点云的不确定性感知语义分割。 SalsaNext是SalsaNet的下一版本，它具有编码器-解码器体系结构，其中编码器单元具有一组ResNet块，而解码器部分则结合了来自剩余块的上采样特征。 与SalsaNet相比，我们引入了一个新的上下文模块，将ResNet编码器块替换为具有逐渐增加的接收场的新残差扩张卷积堆栈，并在解码器中添加像素混洗层。 此外，我们从跨步卷积切换到平均池化，还应用了中心辍学处理。 为了直接优化Jaccard指数，我们进一步将加权交叉熵损失与Lovasz-Softmax损失相结合。 最后，我们注入贝叶斯处理，以计算云中每个点的认知和无意识不确定性。 我们对Semantic-KITTI数据集进行了全面的定量评估，这表明拟议的

【文件预览】：
SalsaNext-master
----.gitignore(12B)
----images()
--------SalsaNext.gif(24.81MB)
--------SegmentationResults.png(8.86MB)
----salsanext_cuda10.yml(2KB)
----train.sh(826B)
----LICENSE(1KB)
----.github()
--------workflows()
----README.md(4KB)
----train()
--------__init__.py(0B)
--------common()
--------tasks()
----salsanext_cuda09.yml(2KB)
----salsanext.yml(2KB)
----eval.sh(909B)