【自动驾驶】开源 | 仿真中自动驾驶感知模型训练的优化策略研究
备注:研究方向+地点+学校/公司+昵称,更快通过申请,长按加细分领域技术交流群,目前有细分领域:图像分割、图像目标检测、论文写作、车道检测、模型优化、目标跟踪、SLAM、点云处理(分割检测)、深度学习。
论文地址: http://arxiv.org/pdf/2111.07971v1.pdf
来源: NVIDIA, University of Toronto
论文名称:Towards Optimal Strategies for Training Self-Driving Perception Models in Simulation
原文作者:David Acuna
内容提要
自动驾驶依赖于大量真实数据来进行高精度的标注。替代解决方案试图利用驾驶模拟器生成大量带有变化内容的标签数据。然而,合成数据和真实数据之间的领域差距仍然存在,这就提出了以下重要的问题:利用自动驾驶模拟器进行感知任务的最佳方式是什么?本文中,我们在领域适应理论的最新进展的基础上,并从这个角度提出了减少现实差距的方法。我们主要关注标签在合成领域的使用。本文方法既介绍了学习神经不变表示的原则方法,也介绍了关于如何从模拟器中采样数据的理论启发观点。本文方法不受网络架构和模拟器选择的影响,很容易在实践中实现。我们使用开源模拟器(CARLA)在鸟瞰车辆分割任务中,基于多传感器数据(相机、激光雷达)展示了我们的方法,并在真实数据集(nuScenes)上评估了整个框架。最后,我们展示了在使用驾驶模拟器进行训练时,哪些类型的变化(如天气条件、资产数量、地图设计和颜色多样性)会对感知网络产生影响,以及哪些变化可以用我们的领域适应技术进行补偿。
主要框架及实验结果
声明:文章来自于网络,仅用于学习分享,版权归原作者所有
分享最新的CVPR、ECCV、ICCV、IROS等人工智能论文,关注深度学习、自动驾驶领域。
相关文章
- EasyCVR对接华为iVS订阅摄像机和用户变更请求接口介绍
- 精选 | 腾讯云CDN内容加速场景有哪些?
- 模块化网络防止基于模型的多任务强化学习中的灾难性干扰
- 用搜索和注意力学习稳健的调度方法
- 用于多变量时间序列异常检测的学习图神经网络
- 助力政企自动化自然生长,华为WeAutomate RPA是怎么做到的?
- 使用腾讯轻量云搭建Fiora聊天室
- TSRC安全测试规范
- 云计算“功守道”
- 助力成本优化,腾讯全场景在离线混部系统Caelus正式开源
- Flink 利器:开源平台 StreamX 简介
- 腾讯云实践 | 一图揭秘腾讯碳中和?解决方案
- 深度学习中的轻量级网络架构总结与代码实现
- 信息系统项目管理师(高项复习笔记三)
- Adobe国际认证让科技赋能时尚
- c++该怎么学习(面试吃土记)
- 面试官问发布订阅模式是在问什么?
- 面试官:请实现一个通用函数把 callback 转成 promise
- 空中悬停、翻滚转身、成功着陆,我用强化学习「回收」了SpaceX的火箭
- 中山大学林倞解读视觉语义理解新趋势:从表达学习到知识及因果融合