【论文笔记】道路检测 SNE-RoadSeg

论文标题：SNE-RoadSeg: Incorporating Surface Normal Information into Semantic Segmentation for Accurate Freespace Detection

论文地址：https://arxiv.org/abs/2008.11351v1

论文代码：https://github.com/hlwang1124/SNE-RoadSeg

数据集：http://sites.google.com/view/sne-roadseg

发表时间：2020年8月

本文使用表面法线估计器（SNE）对 Depth Image 进行处理，再使用 ResNet 进行特征提取，和仅使用 ResNet 进行特征提取的 RGB Image 的特征进行融合，融合使用了 FCN、DenseNet 的思想，具体融合处理仅仅是元素相加求和。

Abstract

自由空间检测是自动驾驶汽车视觉感知的重要组成部分。最近在数据融合卷积神经网络 (CNN) 方面所做的努力显著改善了语义驾驶场景分割。自由空间可以假设为地平面，其上的点具有相似的表面法线。

因此，在本文中，我们首先介绍了一个名为表面法线估计器（SNE）的新模块，它可以从密集的深度/视差图像中以高精度和高效率推断表面法线信息。此外，我们提出了一种数据融合 CNN 架构，称为 RoadSeg，它可以从 RGB 图像和推断的表面法线信息中提取和融合特征，以实现准确的自由空间检测。出于研究目的，我们发布了一个名为 Ready-to-Drive (R2D) 道路数据集的大型合成自由空间检测数据集，该数据集是在不同的光照和天气条件下收集的。实验结果表明，我们提出的 SNE 模块可以使所有最先进的 CNN 用于自由空间检测，并且我们的 SNE-RoadSeg 在不同数据集中实现了最佳的整体性能。

Personal understanding

本文两处创新：

1、表面法线估计器（SNE）

本质上就是一种特殊的特征提取方法

2、融合架构 RoadSeg

SNE 从深度/视差图像中提取特征，将此特征和 RGB 图像特征通过 RoadSeg 架构进行融合，本质上也是 CNN 的构成的，核心思想是基于 DenseNet 的改进

Method

1、表面法线估计器（SNE）架构如图

SNE 具体流程是严格的数学推导，并且作者给出了推导过程，数学基础好的同学可以详细看一下，会有收获的，不好的同学代码是开源的，可以直接使用，部分推导原文如下：

2、RoadSeg 的数据融合 CNN 架构

首先 Depth Image 经过 SNE 进行特征提取，经过 Conv、BN、ReLU、Max Pooling、残差块......

同时 RGB Image 也经过 Conv、BN、ReLU、Fusion（此处融合只是简单的元素相加）

不同层进行了多次残差、融合、上采样、特征提取操作，思想来源于 FCN 架构。不理解的同学，可以自学一下 FCN 不算太复杂，也可以自学以下 U-Net，道理相似。

这里要提一下，针对 Depth Image 图像的 SNE 输出的特征、RGB Image 特征，作者是使用的 ResNet 为主干进行特征提取，ResNet 架构，已经不属于 SOTA 了，所以这个位置，是可以进行改进的。

Experiments

作者进行了很多次实验，并且在不同的数据集上都进行了对比实验，因为本文是2020年的文章，这里就不介绍过多实验过程了，放一张有价值的图，发现我们的方法是最优的。

这里解释一下，为什么有多种 RoadSeg 架构，这里是因为，针对 Depth Image 经过 SNE 后的特征和 RGB Image 的特征是通过 ResNet 进行特征提取的，而 ResNet 的架构有多种架构

有 ResNET-18、ResNet-34......ResNet-152，为了避免同学们看不懂，这里详细说了以一下

方便自己学习时能够更快理解，并且最终发现， RoadSeg 使用 ResNet-152 效果最好，也正是因为神经网络学习的知识做过多，所以它最准确呀！