ИСТИНА

рассматривается семантическая сегментация видео для модуля восприятия беспилотного ровера с использованием датчиков LiDAR и камер. Основное внимание уделяется алгоритму U-Net и различным архитектурам предобученных энкодеров, позволяющим извлекать признаки из изображений. Обучение проводилось в два этапа с разным количеством классов, а также использовалось квантование в процессе обучения для уменьшения размера модели и повышения производительности. Представлены результаты экспериментов на датасете RUGD, оцененные по метрике IoU (Intersection over Union). Полученные результаты подтверждают, что выбор архитектуры энкодера влияет на качество сегментации, что критично для работы беспилотного ровера.