一种利用半伪标签与3D数据增强的自动驾驶神经网络训练新方法
计算机视觉与模式识别
2022-12-13 v1 机器学习
摘要
训练神经网络以执行自动驾驶的3D目标检测需要大量多样化的标注数据。然而，由于人与传感器的限制，获取具有足够质量与数量的训练数据成本高昂且有时不可能。因此，需要一种新颖方案来扩展当前训练方法以克服该局限并实现准确的3D目标检测。我们针对上述问题的解决方案结合了半伪标签标注与新3D增强。为证明所提方法的适用性，我们设计了一个用于3D目标检测的卷积神经网络，与训练数据分布相比其可显著增大检测范围。
引用
@article{arxiv.2207.09869,
title = {A Novel Neural Network Training Method for Autonomous Driving Using Semi-Pseudo-Labels and 3D Data Augmentations},
author = {Tamas Matuszka and Daniel Kozma},
journal= {arXiv preprint arXiv:2207.09869},
year = {2022}
}