基于对比学习的汽车毫米波雷达检测点实例分割
计算机视觉与模式识别
2023-02-07 v3
摘要
汽车毫米波雷达在高级驾驶辅助系统（ADAS）和自动驾驶中起着关键作用。基于深度学习的实例分割能够从雷达检测点实时识别物体。在传统训练过程中，准确标注是关键。然而，由于其模糊性和稀疏性，雷达检测点的高质量标注难以实现。为解决此问题，我们提出一种对比学习方法来实现基于雷达检测点的实例分割。我们根据真值标签定义正负样本，先应用对比损失训练模型，然后对后续下游任务进行微调。此外，这两步可合并为一步，并可对未标注数据生成伪标签以进一步提升性能。因此，我们的方法共有四种不同训练设置。实验表明，当仅有一小部分训练数据具备真值信息时，我们的方法仍能达到与使用100%真值信息以监督方式训练的方法相当的性能。
引用
@article{arxiv.2203.06553,
title = {Contrastive Learning for Automotive mmWave Radar Detection Points Based Instance Segmentation},
author = {Weiyi Xiong and Jianan Liu and Yuxuan Xia and Tao Huang and Bing Zhu and Wei Xiang},
journal= {arXiv preprint arXiv:2203.06553},
year = {2023}
}
备注
Accepted by IEEE ITSC 2022