摘要

深度学习在语义分割的准确性方面取得了令人印象深刻的进展。然而，对于自动驾驶等安全关键应用而言，估计不确定性并检测失败的能力至关重要。现有的不确定性估计方法大多是在简单任务上进行评估的，尚不清楚这些方法是否可以推广到更复杂的场景中。我们提出了Fishyscapes（鱼景），这是首个用于城市驾驶语义分割任务中不确定性估计的公开基准测试。该基准测试评估了像素级不确定性估计在检测车辆前方异常物体方面的性能。我们将最先进的方法应用于最近的语义分割模型，并基于softmax置信度、贝叶斯学习和嵌入密度的方法对不同方案进行了比较。我们的结果显示，即使在普通情况下，异常检测仍远未解决，而我们的基准测试允许测量超出当前最先进水平的进展。