自动驾驶中异常检测的感知数据集：综述
机器人学
2023-08-01 v2 计算机视觉与模式识别
摘要
应用于自动驾驶感知系统的深度神经网络（DNN）需要大量数据进行训练，因为它们必须在各种情况下可靠地实现高性能。然而，这些 DNN 通常局限于其训练数据中可用的封闭语义类别集合，因此在面对先前未见的实例时不可靠。因此，已经创建了多个用于评估异常检测方法的感知数据集，这些数据集可分为三组：现实世界中的真实异常、增强到现实世界中的合成异常以及完全合成的场景。本综述提供了自动驾驶中异常检测感知数据集的结构化且据我们所知完整的概述与比较。每个章节提供了关于任务和真值、上下文信息以及许可证的信息。此外，我们讨论了现有数据集当前的弱点和差距，以强调进一步开发数据的重要性。
引用
@article{arxiv.2302.02790,
title = {Perception Datasets for Anomaly Detection in Autonomous Driving: A Survey},
author = {Daniel Bogdoll and Svenja Uhlemeyer and Kamil Kowol and J. Marius Zöllner},
journal= {arXiv preprint arXiv:2302.02790},
year = {2023}
}
备注
Accepted for publication at IV 2023