面向自动驾驶感知的分布外检测
计算机视觉与模式识别
2021-09-07 v2 机器人学
摘要
神经网络（NNs）被广泛用于自动驾驶中的物体分类。然而，神经网络可能在未被训练数据集充分表示的输入数据上失效，这类数据称为分布外（OOD）数据。对于自动驾驶感知等安全关键应用，检测 OOD 样本的机制十分重要，以便触发安全的降级模式。神经网络常依赖 softmax 归一化进行置信度估计，这可能导致对 OOD 样本赋予高置信度，从而阻碍对失效的检测。本文提出了一种判断输入是否为 OOD 的方法，该方法在训练时不需要 OOD 数据，且不增加推理的计算成本。后一特性在算力有限且具实时性约束的汽车应用中尤为重要。我们提出的方法在真实世界的汽车数据集上优于当前最优方法。
引用
@article{arxiv.2011.01413,
title = {Out-of-Distribution Detection for Automotive Perception},
author = {Julia Nitsch and Masha Itkina and Ransalu Senanayake and Juan Nieto and Max Schmidt and Roland Siegwart and Mykel J. Kochenderfer and Cesar Cadena},
journal= {arXiv preprint arXiv:2011.01413},
year = {2021}
}
备注
6 pages, 4 figures, paper accepted at Intelligent Transportation Systems Conference (ITSC) 2021