一种半自动的极端情况检测与评估流水线
计算机视觉与模式识别
2023-05-29 v1 人工智能
摘要
为了将自动驾驶车辆投入公众使用，必须证明该车辆能够安全且稳健地处理多种不同场景中的交通。自动驾驶车辆的一个重要组成部分是感知系统，其捕获并处理车辆周围环境。感知系统需要大型数据集来训练其深度神经网络。了解这些数据集中哪些部分描述了极端情况（corner case），在网络训练或测试期间是一项优势。这些极端情况描述了罕见且可能对网络构成挑战的情形。我们提出了一种将集体专家知识描述转换为扩展的 KI Absicherung 本体的流水线。该本体用于描述可映射到感知数据集的场景与情境。随后可从数据集中提取极端情况。此外，该流水线能够针对提取出的极端情况评估检测网络，以衡量其性能。
引用
@article{arxiv.2305.16369,
title = {A Semi-Automated Corner Case Detection and Evaluation Pipeline},
author = {Isabelle Tulleners and Tobias Moers and Thomas Schulik and Martin Sedlacek},
journal= {arXiv preprint arXiv:2305.16369},
year = {2023}
}