Key points are not available for this paper at this time.
सेमांटिक सेगमेंटेशन एक कठिन कार्य है जो बुद्धिमान वाहनों (IVs) की अधिकांश धारणा आवश्यकताओं को एकीकृत तरीके से संबोधित करता है। गहरे न्यूरल नेटवर्क इस कार्य में उत्कृष्ट हैं, क्योंकि इन्हें अंत से अंत तक प्रशिक्षित किया जा सकता है ताकि एक छवि में कई वस्तुओं की श्रेणियों को पिक्सेल स्तर पर सटीकता से वर्गीकृत किया जा सके। हालाँकि, उच्च गुणवत्ता और कम्प्यूटेशनल संसाधनों के बीच एक अच्छा संतुलन वर्तमान में आधुनिक सेमांटिक सेगमेंटेशन दृष्टिकोणों में मौजूद नहीं है, जिससे वास्तविक वाहनों में इनका उपयोग सीमित हो जाता है। इस लेख में, हम एक गहरी वास्तुकला का प्रस्ताव करते हैं जो वास्तविक समय में काम कर सकती है जबकि सटीक सेमांटिक सेगमेंटेशन प्रदान करती है। हमारी आर्किटेक्चर का मूल एक नवीनतम परत है जो अवशिष्ट कनेक्शनों और कारकित परिसंकलनों का उपयोग करती है ताकि कुशल बनी रहे जबकिremarkable सटीकता बनाए रख सके। हमारा दृष्टिकोण एकल टाइटन एक्स में 83 FPS से अधिक और एक जैटसन TX1 (अंबेडेड डिवाइस) में 7 FPS पर चल सकता है। सार्वजनिक रूप से उपलब्ध सिटीस्केप डेटा सेट पर व्यापक प्रयोगों का एक समूह दिखाता है कि हमारा सिस्टम एक सटीकता प्राप्त करता है जो वर्तमान के समान है, जबकि अन्य आर्किटेक्चर की तुलना में गणना में कई गुना तेज है। परिणामी संतुलन हमारे मॉडल को IV अनुप्रयोगों में दृश्य समझने के लिए एक आदर्श दृष्टिकोण बनाता है। कोड सार्वजनिक रूप से उपलब्ध है: https://github.com/Eromera/erfnet।
रोमेराअतः (मॉन,) ने इस प्रश्न का अध्ययन किया।