标注与采样：基于稀疏标注数据的高效车辆目标检测器训练

自动驾驶车辆视觉系统必须应对极其广泛且具挑战性的场景集合。它们有可能利用从现场车辆收集的海量训练数据，但数据量过大以至于无法朴素地进行离线训练。然而，并非所有训练样本都同等有价值，重要性采样可用于优先收集哪些训练图像。该方法假设图像中物体被高精度标注。为在现场生成准确标注，我们利用车辆视频的时空相干性。我们采用由近及远的标注策略：首先在视频中标注大而近的物体，并将其随时间向后追踪，以在这些物体的小而远的呈现上诱导出标注。本文通过若干步骤证明了该方法的可行性。首先，我们注意到图像中标注物体的最优子集（相对于所有遇到并标注的物体）可通过使用识别网络梯度的 importance sampling 获得。接下来我们展示这些梯度可用损失函数以极低误差近似，而该损失函数在 CNN 进行推理时已经可用。然后，我们使用目标检测系统将这些结果推广到更大场景中的物体。最后，我们描述了一种利用物体追踪的自标注方案。物体被随时间向后追踪（由近及远），近处物体的标注被用于检验远处场中那些物体的准确性。随后我们评估了在重要性采样数据上训练的模型与在完整数据上训练的模型的准确性。