[论文解读] GANav: Group-wise Attention Network for Classifying Navigable Regions in Unstructured Outdoor Environments.

Tianrui Guan, Divya Kothandaraman+2 more|arXiv (Cornell University)|Mar 7, 2021

Advanced Neural Network Applications参考文献 37被引用 9

一句话总结

GANav 提出了一种基于分组注意力的Transformer神经网络，用于使用RGB图像对非结构化户外环境中的可通行区域进行分类。通过利用分组注意力机制和动态加权交叉熵损失，该方法提升了可通行性分割的准确性，在RUGD数据集上mIoU提高了6.74%–39.1%，在RELLIS-3D数据集上提高了3.82%–10.64%，优于当前最先进方法。

ABSTRACT

We present a new learning-based method for identifying safe and navigable regions in off-road terrains and unstructured environments from RGB images. Our approach consists of classifying groups of terrain classes based on their navigability levels using coarse-grained semantic segmentation. We propose a bottleneck transformer-based deep neural network architecture that uses a novel group-wise attention mechanism to distinguish between navigability levels of different terrains.Our group-wise attention heads enable the network to explicitly focus on the different groups and improve the accuracy. In addition, we propose a dynamic weighted cross entropy loss function to handle the long-tailed nature of the dataset. We show through extensive evaluations on the RUGD and RELLIS-3D datasets that our learning algorithm improves the accuracy of visual perception in off-road terrains for navigation. We compare our approach with prior work on these datasets and achieve an improvement over the state-of-the-art mIoU by 6.74-39.1% on RUGD and 3.82-10.64% on RELLIS-3D.

研究动机与目标

• 通过使用RGB图像提升非结构化户外地形中可通行区域的视觉感知能力。
• 解决非公路数据集中地形类别长尾分布的问题。
• 通过显式建模不同地形组的可通行性等级，提升分割精度。
• 开发一种深层神经网络架构，以捕捉地形类别之间的层次关系。

提出的方法

• 提出一种基于瓶颈Transformer的神经网络，引入新颖的分组注意力机制，以聚焦于不同的地形组。
• 设计一种动态加权交叉熵损失函数，以减轻训练数据中长尾类别分布的影响。
• 使用粗粒度语义分割，根据可通行性等级对地形区域进行分类。
• 将地形类别分组为可通行性等级，以指导注意力机制并提升泛化能力。
• 集成分组注意力头，在特征表示学习过程中显式关注不同的地形分组。
• 在RUGD和RELLIS-3D数据集上进行模型训练与评估，以基准化真实非公路场景下的性能表现。

实验结果

研究问题

• RQ1 分组注意力机制是否能提升非结构化户外环境中可通行性分类的准确性？
• RQ2 动态加权交叉熵损失在长尾地形数据集上的模型性能表现如何？
• RQ3 所提出的架构在RUGD和RELLIS-3D数据集上相较于现有最先进方法的性能提升程度如何？
• RQ4 将地形类别按可通行性分组建模，是否能提升分割任务的泛化能力和鲁棒性？

主要发现

• 与最先进方法相比，GANav在RUGD数据集上的平均交并比（mIoU）提升了6.74%–39.1%。
• 在RELLIS-3D数据集上，该模型相比先前方法将mIoU提升了3.82%–10.64%。
• 分组注意力机制通过显式聚焦于不同地形组，增强了特征的判别能力。
• 动态加权交叉熵损失有效缓解了因长尾类别分布导致的性能下降问题。
• 模型在多种非公路环境中的泛化能力表现优异，经由两个基准数据集验证。
• 所提出的架构仅使用RGB输入，即在非公路导航的视觉感知任务中达到了最先进性能。