基于体素传感器的协同认知与感知中的特征共享与融合
计算机视觉与模式识别
2020-12-07 v3 人工智能
机器学习
摘要
近期计算与通信系统的发展催生了高性能神经网络与高速无线车载通信网络。由此，协同感知与认知等新技术应运而生，通过提供部分遮挡目标检测及扩展感知范围的方案，克服了传感设备固有的局限。然而，设计可靠的协同认知或感知系统需要应对有限网络资源及不同来源共享数据间差异所带来的挑战。本文中，我们考察不同协同感知技术的要求、局限与性能，并深入剖析深度特征共享（DFS）这一概念。我们探索不同的协同目标检测设计，并依据平均精度评估其性能。我们使用 Volony 数据集进行实验研究。结果证实 DFS 方法对由 GPS 噪声引起的定位误差显著不敏感。此外，结果表明 DFS 方法因场景中加入更多协同参与者而获得的检测增益可与原始信息共享技术相媲美，同时 DFS 在设计上具备满足通信要求的灵活性。
引用
@article{arxiv.2011.08317,
title = {Feature Sharing and Integration for Cooperative Cognition and Perception with Volumetric Sensors},
author = {Ehsan Emad Marvasti and Arash Raftari and Amir Emad Marvasti and Yaser P. Fallah and Rui Guo and Hongsheng Lu},
journal= {arXiv preprint arXiv:2011.08317},
year = {2020}
}
备注
12 pages, 12 figures, 1 table