通过主动搜索改进交通标志识别
机器学习
2022-11-29 v1 计算机视觉与模式识别
摘要
我们描述了一种用于识别稀有交通标志的迭代主动学习算法。一个标准 ResNet 在仅含稀有类单个样本的训练集上训练。我们证明，通过将大型无标签集中样本按属于稀有类的估计概率排序，可以高效识别出稀有类样本。尽管该估计概率通常相当低，此方法依然有效。通过对这些候选样本标注、将其加入训练集并迭代该过程，可获得可靠的主动学习循环。进一步，我们展示从单个合成样本出发也能得到类似结果。我们的结果十分重要，因为它们指出了一种提升自动驾驶系统交通标志识别能力的直接途径。此外，它们表明我们可以利用通常被人们忽略的低置信度输出中隐藏的信息。
引用
@article{arxiv.2111.14426,
title = {Improving traffic sign recognition by active search},
author = {S. Jaghouar and H. Gustafsson and B. Mehlig and E. Werner and N. Gustafsson},
journal= {arXiv preprint arXiv:2111.14426},
year = {2022}
}
备注
6 pages, 7 Figures