用于半监督道路检测的激光雷达-相机协同训练
计算机视觉与模式识别
2019-12-02 v1
摘要
机器学习和计算机视觉领域的近期进展使得快速且准确的道路检测器得以开发。此类系统通常在监督学习范式下训练，必须同时提供输入传感器的数据与相应的真实标签。生成标签的任务通常由人工标注者完成，且众所周知耗时且昂贵。本工作表明，一种称为协同训练（co-training）的半监督方法相比监督学习可带来显著的 F1 分数平均提升。在协同训练中，作用于数据不同视图的两个分类器通过利用无标签样本协同提升彼此性能。根据所用标签数据量的不同，基于相机的道路检测器提升幅度为 1.12 至 6.10 个百分点，基于激光雷达（lidar）的道路检测器提升幅度为 1.04 至 8.14 个百分点。最后，该协同训练算法在 KITTI 道路基准上得到验证，仅使用 36 个有标签训练样本及数千个无标签样本即实现了高性能。
引用
@article{arxiv.1911.12597,
title = {Lidar-Camera Co-Training for Semi-Supervised Road Detection},
author = {Luca Caltagirone and Lennart Svensson and Mattias Wahde and Martin Sanfridson},
journal= {arXiv preprint arXiv:1911.12597},
year = {2019}
}