面向自动驾驶交通场景识别的上下文感知多任务学习
计算机视觉与模式识别
2020-04-06 v1 机器学习
图像与视频处理
摘要
交通场景识别需要多种视觉分类任务，是自动驾驶中的关键组成部分。然而，大多数现有方法将各个相关任务彼此独立地处理，从未将整个系统作为一个整体来考虑。因此，它们局限于对所有可能的推理时任务使用特定于任务的特征集合，忽略了利用与当前任务无关的通用任务不变上下文知识的能力。为解决该问题，我们提出一种通过采用多任务学习网络联合学习任务特定与共享表示的算法。具体而言，我们给出了共享特征嵌入与输入之间互信息约束的一个下界，该下界被认为能够在联合保留各任务本质信息的同时提取跨任务的通用上下文信息。所学习的表示无需额外的任务特定网络即可捕获更丰富的上下文信息。在大规模数据集 HSD 上的大量实验证明了我们的网络相对于最先进方法的的有效性与优越性。
引用
@article{arxiv.2004.01351,
title = {Context-Aware Multi-Task Learning for Traffic Scene Recognition in Autonomous Vehicles},
author = {Younkwan Lee and Jihyo Jeon and Jongmin Yu and Moongu Jeon},
journal= {arXiv preprint arXiv:2004.01351},
year = {2020}
}
备注
Accepted to IV 2020