MultiNet：面向自动驾驶的多模态多任务学习
机器学习
2019-01-15 v4 机器人学
摘要
自动驾驶需要在不同的行为模式下运行，从车道保持和路口穿越到转向和停车。然而，大多数现有的自动驾驶深度学习方法在训练策略中没有考虑行为模式。本文描述了一种通过多模态多任务学习在单个深度神经网络中学习多种不同行为模式的技术。我们使用自动驾驶模型车在人行道和未铺装道路等非结构化环境中行驶，研究了这种被称为 MultiNet 的方法的有效性。利用超过一百小时的 1/10 比例模型车车队驾驶标注数据，我们训练了不同的神经网络来预测不同行为模式下车辆的转向角和行驶速度。我们表明，在每种情况下，MultiNet 网络都优于在单个模式上训练的网络，同时仅使用总参数量的一小部分。
引用
@article{arxiv.1709.05581,
title = {MultiNet: Multi-Modal Multi-Task Learning for Autonomous Driving},
author = {Sauhaarda Chowdhuri and Tushar Pankaj and Karl Zipser},
journal= {arXiv preprint arXiv:1709.05581},
year = {2019}
}
备注
Published in IEEE WACV 2019