面向激光雷达语义分割的盘片式主动学习
计算机视觉与模式识别
2023-09-26 v1
摘要
尽管激光雷达数据采集容易，但语义分割的标注仍极为耗时，因此必须有选择地进行。主动学习（AL）提供了一种解决方案，能够迭代且智能地标注数据集，同时保持高性能与低预算。本工作中我们探索用于激光雷达语义分割的 AL。由于人类专家是该流程的一个组成部分，一个实用框架必须考虑诸如顺序标注等可大幅缩短标注时间的常用标注技术。因此我们提出一种盘片式方法（DiAL），在每次迭代中，我们查询单帧在全局坐标上覆盖的区域，同时标注所有帧。随后我们解决盘片式 AL 带来的两个主要挑战。首先，我们设计了一个新的采集函数，考虑了因位置变化或自车运动而产生的三维点密度变化。接着我们求解一个混合整数线性规划，为多重帧的选择提供通用解，同时考虑盘片相交的可能性。最后我们提出一种半监督学习方法，以利用数据集中的所有帧并提升性能。
引用
@article{arxiv.2309.13276,
title = {Discwise Active Learning for LiDAR Semantic Segmentation},
author = {Ozan Unal and Dengxin Dai and Ali Tamer Unal and Luc Van Gool},
journal= {arXiv preprint arXiv:2309.13276},
year = {2023}
}
备注
Accepted at IEEE RA-L