用于基于车载舱内雷达鲁棒人员计数的标签感知排序损失
信号处理
2022-10-26 v2 人工智能
机器学习
摘要
在本文中，我们引入标签感知排序损失（Label-Aware Ranked loss），一种新颖的度量损失函数。与最先进的深度度量学习（Deep Metric Learning）损失相比，该函数在回归问题中利用了标签的排序顺序。为此，我们首先证明当不同标签的数据点在嵌入空间中按排序彼此以均匀角度排布时，该损失最小。然后，为衡量其性能，我们将所提损失应用于一个具有挑战性场景中的人员计数回归任务，即车辆舱内短距雷达。所引入的方法将准确率及邻近标签准确率分别提升至 83.0% 和 99.9%：相较最先进方法分别提高了 6.7% 和 2.1%。
引用
@article{arxiv.2110.05876,
title = {Label-Aware Ranked Loss for robust People Counting using Automotive in-cabin Radar},
author = {Lorenzo Servadei and Huawei Sun and Julius Ott and Michael Stephan and Souvik Hazra and Thomas Stadelmayer and Daniela Sanchez Lopera and Robert Wille and Avik Santra},
journal= {arXiv preprint arXiv:2110.05876},
year = {2022}
}
备注
accepted at ICASSP 2022