利用回放的无监督域适应在三维目标检测中的应用

自动驾驶汽车必须在三维中检测其他车辆与行人以规划安全路线并避免碰撞。基于深度学习的顶尖三维目标检测器已显示出有前景的精度,但易于过拟合于领域特性,使其在新环境中失效——若自动驾驶车辆意在自由运行,这是一个严重问题。在本文中,我们提出了一种新颖的学习方法,通过在目标域中对伪标签微调检测器来大幅缩小这一差距,我们的方法在车辆停放时基于先前记录的驾驶序列的回放生成伪标签。在这些回放中,目标随时间被跟踪,且检测被插值与外推——关键的是,利用未来信息以捕捉困难情形。我们在五个自动驾驶数据集上表明,在这些伪标签上微调目标检测器大幅缩小了到新驾驶环境的域差距,带来了精度与检测可靠性的显著改进。