基于SAM增强的道路数据集分割：自动驾驶中关键类别的平衡

Toomas Tahves, Mauro Bellone, Junyi Gu, Raivo Sell

2026

摘要

本文提出了一种基于Segment Anything Model（SAM）的标注流程，为Zenseact开放数据集生成密集像素级语义分割标注，并验证了该流程在多种天气条件下的有效性。通过处理极端类别不平衡问题，研究展示了SAM表示在不同传感器配置间的迁移能力。

semantic segmentationautonomous drivingSAMclass imbalancetransfer learning

PERCEPTION

📊 0 引用

Simon Duenser, Ivo Aschwanden, Raamadaas Krishnadas 等 5 位作者

Robotics and Computer-Integrated Manufacturing · 2026

PERCEPTION

📊 0 引用

Yanrun Zhou, Zihao Lei, Guangrui Wen 等 7 位作者

Robotics and Computer-Integrated Manufacturing · 2026

PERCEPTION

📊 0 引用

Sili Ding, Feng Xu, Jie Chen 等 6 位作者

Progress in Materials Science · 2026

PERCEPTION

📊 0 引用

Shuai Guo, Yongchao Yang, Lifeng Zhang 等 5 位作者

Neural Networks · 2026