弗莱堡大学开发AI模型 提升自动驾驶汽车场景识别能力

盖世汽车讯 图像中的哪些像素代表无人驾驶汽车前的不同的人或物体,哪些像素代表背景类别?这一任务称作全景分割(panoptic segmentation),是自动驾驶汽车、机器人、增强现实,甚至生物医学图像分析等领域的一个基本问题。据外媒报道,德国弗莱堡大学(University of Freiburg)计算机科学系Abhinav Valada博士及其团队开发了先进的AI模型EfficientPS,能够更快更有效地对视觉场景进行连贯识别。

500)this.width=500 align=center hspace=10 vspace=10 rel=nofollow/>

500)this.width=500 align=center hspace=10 vspace=10 rel=nofollow/

研究人员解释称,这项任务通常使用机器学习技术来解决。一些公共基准数据集,如Cityscapes,在衡量这些技术的进展方面发挥着重要作用。Valada团队成员Rohit Mohan表示,
更多精彩尽在这里,详情点击:http://jmzicong.com/,弗赖堡弗赖堡“多年来,谷歌或优步等公司的研究团队一直在这些基准测试中争夺榜首。”而弗莱堡大学计算机科学家开发的用于理解城市场景的方法在Cityscapes中排名第一,Cityscapes是自动驾驶场景理解研究中最具影响力的排行榜。而且在其他标准的基准数据集如KITTI、Mapillary Vistas和IDD中,EfficientPS也名列前茅。

在项目网站上,Valada展示了团队如何在不同的数据集中训练不同AI模型的例子。结果叠加在相应的输入图像上,其中的颜色显示模型分配的像素所对应的物体类别。例如,汽车用蓝色标记,人用红色标记,树用绿色标记,建筑物用灰色标记。此外,该AI模型还在每个被视为独立实体的对象周围绘制边框。研究人员对该模型进行了训练,使其成功地将从斯图加特学习到的城市场景信息迁移到纽约市。虽然该AI模型并不了解美国的城市,但却能够准确地识别出纽约市的场景。

留下评论

您的电子邮箱地址不会被公开。 必填项已用*标注