评估数据增强与BALD启发式对Semantic-KITTI数据集蒸馏的影响
计算机视觉与模式识别
2023-02-22 v1 机器学习
摘要
主动学习(AL)在自动驾驶数据集的激光雷达感知任务中相对未被探索。本研究评估了应用于数据集蒸馏或核心子集选择（具有接近完整数据集等效性能的子集）任务的贝叶斯主动学习方法。我们还研究了在基于贝叶斯AL的数据集蒸馏中应用数据增强(DA)的效果。我们在完整的Semantic-KITTI数据集上进行这些实验。我们将研究扩展至先前仅在该数据集1/4上的工作。DA和BALD的加入对标注效率及因此的数据集蒸馏能力产生负面影响。我们展示了设计功能性AL框架的关键问题，最后以对真实世界主动学习挑战的综述作结。
引用
@article{arxiv.2302.10679,
title = {Evaluating the effect of data augmentation and BALD heuristics on distillation of Semantic-KITTI dataset},
author = {Anh Duong and Alexandre Almin and Léo Lemarié and B Ravi Kiran},
journal= {arXiv preprint arXiv:2302.10679},
year = {2023}
}
备注
Submitted to VISAPP Springer book extension. arXiv admin note: substantial text overlap with arXiv:2202.02661