面向第一响应者的可解释语义建图
机器人学
2019-10-17 v1 人工智能
机器学习
摘要
灾后环境中语义建图问题的关键挑战之一是如何在最少监督下高效分析大量数据。为应对这一挑战，我们提出了一种基于深度学习的语义建图工具，包含三个主要思想。首先，我们开发了一种仅使用少量标注数据的节俭语义分割算法。其次，我们研究了仅用少量训练样本学习检测新类别物体的问题。最后，我们开发了一种可解释的成本地图学习算法，该算法可以仅使用原始传感器数据（如航拍图像）快速训练以生成可通行性成本地图。本文概述了所提出的想法及经验教训。
引用
@article{arxiv.1910.07093,
title = {Explainable Semantic Mapping for First Responders},
author = {Jean Oh and Martial Hebert and Hae-Gon Jeon and Xavier Perez and Chia Dai and Yeeho Song},
journal= {arXiv preprint arXiv:1910.07093},
year = {2019}
}
备注
Artificial Intelligence for Humanitarian Assistance and Disaster Response Workshop at NeurIPS 2019