功能模块特征图收敛性评估
人工智能
2024-05-08 v1 计算机视觉与模式识别
摘要
自动驾驶感知模型通常由多个功能模块组成，这些模块通过复杂的关系相互作用以完成环境理解。然而，感知模型主要作为黑盒通过端到端训练进行优化，缺乏对功能模块的独立评估，这会导致可解释性和优化方面的困难。为解决这一问题，我们提出一种基于特征图分析的评估方法，用于衡量模型的收敛程度，从而评估功能模块的训练成熟度。我们构建了一个名为特征图收敛得分（FMCS）的定量指标，并开发了特征图收敛评估网络（FMCE-Net）来衡量和预测模型的收敛程度。FMCE-Net 在多个图像分类实验中实现了对 FMCS 的高预测准确率，验证了所提出方法的有效性和鲁棒性。迄今为止，这是首个针对功能模块的独立评估方法，为感知模型的训练评估提供了新的范式。
引用
@article{arxiv.2405.04041,
title = {Feature Map Convergence Evaluation for Functional Module},
author = {Ludan Zhang and Chaoyi Chen and Lei He and Keqiang Li},
journal= {arXiv preprint arXiv:2405.04041},
year = {2024}
}