elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Survey on Unsupervised Domain Adaptation for Semantic Segmentation for Visual Perception in Automated Driving

Niemeijer, Joshua und Schwonberg, Manuel und Termöhlen, Jan-Aike und Schäfer, Jörg P. und Schmidt, Nico M. und Gottschalk, Hanno und Fingscheidt, Tim (2023) Survey on Unsupervised Domain Adaptation for Semantic Segmentation for Visual Perception in Automated Driving. IEEE Access. IEEE - Institute of Electrical and Electronics Engineers. doi: 10.1109/ACCESS.2023.3277785. ISSN 2169-3536.

[img] PDF - Verlagsversion (veröffentlichte Fassung)
2MB

Kurzfassung

Deep neural networks (DNNs) have proven their capabilities in the past years and play a significant role in environment perception for the challenging application of automated driving. They are employed for tasks such as detection, semantic segmentation, and sensor fusion. Despite tremendous research efforts, several issues still need to be addressed that limit the applicability of DNNs in automated driving. The bad generalization of DNNs to unseen domains is a major problem on the way to a safe, large-scale application, because manual annotation of new domains is costly, particularly for semantic segmentation. For this reason, methods are required to adapt DNNs to new domains without labeling effort. This task is termed unsupervised domain adaptation (UDA). While several different domain shifts challenge DNNs, the shift between synthetic and real data is of particular importance for automated driving, as it allows the use of simulation environments for DNN training. We present an overview of the current state of the art in this research field. We categorize and explain the different approaches for UDA. The number of considered publications is larger than any other survey on this topic. We also go far beyond the description of the UDA state-of-the-art, as we present a quantitative comparison of approaches and point out the latest trends in this field. We conduct a critical analysis of the state-of-the-art and highlight promising future research directions. With this survey, we aim to facilitate UDA research further and encourage scientists to exploit novel research directions.

elib-URL des Eintrags:https://elib.dlr.de/198544/
Dokumentart:Zeitschriftenbeitrag
Titel:Survey on Unsupervised Domain Adaptation for Semantic Segmentation for Visual Perception in Automated Driving
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Niemeijer, JoshuaJoshua.Niemeijer (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Schwonberg, ManuelManuel.schwonberg (at) cariad.technologyNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Termöhlen, Jan-AikeJ.termoehlen (at) tu-bs.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Schäfer, Jörg P.Joerg.Schaefer (at) dlr.dehttps://orcid.org/0000-0002-9985-5169166620288
Schmidt, Nico M.CARIAD SE, 38440 WolfsburgNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Gottschalk, HannoInstitute of Mathematics, Technical University Berlin,NICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Fingscheidt, Timt.fingscheidt (at) tu-bs.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:7 Juli 2023
Erschienen in:IEEE Access
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Ja
In SCOPUS:Ja
In ISI Web of Science:Ja
DOI:10.1109/ACCESS.2023.3277785
Verlag:IEEE - Institute of Electrical and Electronics Engineers
ISSN:2169-3536
Status:veröffentlicht
Stichwörter:Computer Vision, Deep Neural Networks, Unsupervised Domain Adaptation, Semantic Segmentation, Automated Driving
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Verkehr
HGF - Programmthema:Straßenverkehr
DLR - Schwerpunkt:Verkehr
DLR - Forschungsgebiet:V ST Straßenverkehr
DLR - Teilgebiet (Projekt, Vorhaben):V - KoKoVI - Koordinierter kooperativer Verkehr mit verteilter, lernender Intelligenz
Standort: Berlin-Adlershof , Braunschweig
Institute & Einrichtungen:Institut für Verkehrssystemtechnik
Institut für Verkehrssystemtechnik > Kooperative Systeme, BS
Institut für Verkehrssystemtechnik > Kooperative Systeme, BA
Hinterlegt von: Niemeijer, Joshua
Hinterlegt am:05 Dez 2023 14:27
Letzte Änderung:02 Sep 2024 09:26

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.