学习失败：自动驾驶汽车感知故障的自主识别

自动驾驶汽车的主要开放挑战之一，是能够检测汽车和行人以在世界中安全导航。基于深度学习的物体检测器方法在使用相机图像检测和分类物体方面取得了巨大进展。但对于诸如自动驾驶这样的安全关键应用，当前最先进技术的错误率仍然过高，无法确保安全操作。此外，物体检测器性能的表征主要局限于在预记录数据集上测试。在没有额外人工标签的情况下，新颖数据上发生的错误无法被检测到。在本文中，我们提出了一种自动化方法，在无真实标签的情况下识别物体检测器所犯的错误。我们表明，一对相似图像之间物体检测器输出的不一致性可用作假阴性（例如漏检）的假设，并且针对每个假设使用一组新颖特征，可利用现成的二元分类器来找出有效错误。特别地，我们研究了两种不同的线索——时间不一致性和立体不一致性——使用大多数自动驾驶汽车上易于获取的数据。我们的方法可用于任何基于相机的物体检测器，并且我们在多组真实世界数据上演示了该技术。我们展示了一个最先进的检测器、跟踪器以及仅在合成数据上训练的我们的分类器，能够在 KITTI 跟踪数据集上以 0.94 的平均精度识别有效错误。我们还发布了一个新跟踪数据集，包含 104 个序列，总计 80,655 对带标签的立体图像，以及来自游戏引擎的真实视差，以促进进一步研究。数据集和代码可在 https://fcav.engin.umich.edu/research/failing-to-learn 获取。