基于半监督回归改进航拍 filming 中行进方向估计的泛化能力
计算机视觉与模式识别
2019-03-28 v1 人工智能
机器学习
机器人学
摘要
在运动主体（如人或车辆）的自主航拍任务中，从视觉输入中良好地估计主体的行进方向至关重要。然而，在行人碰撞风险分析和人机交互等其他类似任务中获得的模型，由于数据分布差异，很难泛化到航拍任务。为以更少的标注数据改进泛化能力，本文提出一种针对行进方向估计问题的半监督算法。我们利用时间连续性作为无监督信号来正则化模型，从而获得更好的泛化能力。该半监督算法应用于训练和测试两个阶段，大幅提升了测试性能。我们表明，通过利用无标注序列，所需的标注数据量可显著减少。我们还讨论了通过平衡有标注与无标注损失以及进行良好组合来提升性能的若干重要细节。实验结果表明，我们的方法可稳健地输出不同类型主体的行进方向。航拍任务中视频的美学价值也得到提升。
引用
@article{arxiv.1903.11174,
title = {Improved Generalization of Heading Direction Estimation for Aerial Filming Using Semi-supervised Regression},
author = {Wenshan Wang and Aayush Ahuja and Yanfu Zhang and Rogerio Bonatti and Sebastian Scherer},
journal= {arXiv preprint arXiv:1903.11174},
year = {2019}
}