基于不一致性的 LiDAR 目标检测主动学习
计算机视觉与模式识别
2025-05-02 v1
摘要
自动驾驶中的目标检测深度学习模型近期取得了显著的性能提升，并已在全球范围内的车辆中部署。然而，当前模型需要越来越大的数据集进行训练。获取和标注此类数据成本高昂，需要开发新的策略来优化这一过程。主动学习是一种极具前景的方法，已在图像领域被广泛研究。在我们的工作中，通过开发几种基于不一致性的样本选择策略，我们将这一概念扩展到 LiDAR 领域，并评估了它们在各种环境下的有效性。结果表明，使用基于检测框数量的简单不一致性方法，我们仅需 50% 的标注数据即可达到与随机采样策略相同的 mAP。
引用
@article{arxiv.2505.00511,
title = {Inconsistency-based Active Learning for LiDAR Object Detection},
author = {Esteban Rivera and Loic Stratil and Markus Lienkamp},
journal= {arXiv preprint arXiv:2505.00511},
year = {2025}
}
备注
Accepted in IV2025