用于高效训练激光雷达三维目标检测器的深度主动学习
机器人学
2019-05-07 v2 计算机视觉与模式识别
机器学习
摘要
训练用于自动驾驶的深度目标检测器需要大量标注数据。虽然通过车载传感器（如相机或激光雷达）记录数据相对容易，但标注数据非常繁琐且耗时，尤其是在处理三维激光雷达点或雷达数据时。主动学习有潜力在最小化人工标注工作的同时最大化目标检测器的性能。在本工作中，我们提出一种主动学习方法，以训练所需标注训练数据最少的激光雷达三维目标检测器。该检测器利用从 RGB 图像生成的二维区域提议来缩小目标搜索空间并加速学习过程。实验表明，我们提出的方法在不同的不确定性估计和查询函数下均有效，并且可节省多达 60% 的标注工作，同时达到相同的网络性能。
引用
@article{arxiv.1901.10609,
title = {Deep Active Learning for Efficient Training of a LiDAR 3D Object Detector},
author = {Di Feng and Xiao Wei and Lars Rosenbaum and Atsuto Maki and Klaus Dietmayer},
journal= {arXiv preprint arXiv:1901.10609},
year = {2019}
}
备注
30th IEEE Intelligent Vehicles Symposium