通过联邦学习与自动标注提升车辆环境意识
计算机视觉与模式识别
2024-08-26 v1 网络与互联网体系结构
摘要
车辆环境意识是提高道路安全的关键问题。通过多种传感器和车联网通信，车辆可以收集大量数据。然而，要使这些数据实用，必须有效地整合传感器数据。本文聚焦于图像数据和车联网通信数据的集成。具体而言，我们的目标是识别图像中发送消息的车辆位置，这一挑战被称为车辆识别问题。本文采用监督学习模型来解决车辆识别问题。然而，我们面临两个实际问题：首先，驾驶员通常不愿意共享涉及隐私的图像数据；其次，驾驶员通常不会参与数据标注。为解决这些挑战，本文引入了综合解决方案，将联邦学习和自动标注技术与上述监督学习模型结合使用。我们通过实验验证了所提出方法的可行性。
引用
@article{arxiv.2408.12769,
title = {Enhancing Vehicle Environmental Awareness via Federated Learning and Automatic Labeling},
author = {Chih-Yu Lin and Jin-Wei Liang},
journal= {arXiv preprint arXiv:2408.12769},
year = {2024}
}