在基于 3D LiDAR 的语义分割中融入人类领域知识
机器人学
2019-05-24 v1 计算机视觉与模式识别
图像与视频处理
摘要
本工作研究使用 3D LiDAR 数据的语义分割。应用于该任务的流行深度学习方法需要大量人工标注来训练参数。我们提出一种新方法，通过将人类领域知识融入神经网络模型，充分利用传统方法与深度学习方法的优势，以减少对大量人工标注的需求并提升训练效率。我们首先使用来自基于规则的分类器自动生成的样本预训练模型，从而将人类知识传播至网络中。基于预训练模型，仅需一小部分标注即可进行进一步微调。定量实验表明，预训练模型在几乎所有情况下均优于随机初始化；此外，我们的方法能用更少的人工标注取得相近的性能。
引用
@article{arxiv.1905.09533,
title = {Incorporating Human Domain Knowledge in 3D LiDAR-based Semantic Segmentation},
author = {Jilin Mei and Huijing Zhao},
journal= {arXiv preprint arXiv:1905.09533},
year = {2019}
}
备注
8 Pages