Uncertainty in Real-Time Semantic Segmentation on Embedded Systems

要約

自動運転車やヒューマン コンピューター インタラクションなどの分野でセマンティック セグメンテーション モデルを適用するには、リアルタイムの予測機能が必要です。
リアルタイム アプリケーションに対処するという課題は、リソースに制約のあるハードウェアで動作する必要性によって増幅されます。
これらのプラットフォームのリアルタイム手法の開発が増加している一方で、これらのモデルは存在する不確実性について十分に推論することができません.
このホワイト ペーパーでは、不確実性を意識した予測のために、事前トレーニング済みモデルからの深い特徴抽出をベイジアン回帰およびモーメント伝播と組み合わせることで、これに対処します。
提案された方法が、予測性能を維持しながら、組み込みハードウェアに意味のある不確実性をリアルタイムでもたらす方法を示します。

要約(オリジナル)

Application for semantic segmentation models in areas such as autonomous vehicles and human computer interaction require real-time predictive capabilities. The challenges of addressing real-time application is amplified by the need to operate on resource constrained hardware. Whilst development of real-time methods for these platforms has increased, these models are unable to sufficiently reason about uncertainty present. This paper addresses this by combining deep feature extraction from pre-trained models with Bayesian regression and moment propagation for uncertainty aware predictions. We demonstrate how the proposed method can yield meaningful uncertainty on embedded hardware in real-time whilst maintaining predictive performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google