半监督学习:自监督、监督学习与多模态线索融合用于战术驾驶行为检测
计算机视觉与模式识别
2018-07-04 v1
摘要
本文中,我们提出了一项从未经裁剪的自然驾驶记录中进行战术驾驶行为检测的初步研究。尽管基于监督学习的检测是常见方法,但在标注数据稀缺时表现不佳。人工标注既耗时又昂贵。为凸显该问题,我们在一个104小时真实世界自然驾驶数据集上进行了实验,该数据集带有预定义驾驶行为的标注。数据集中存在三个挑战。第一,自然驾驶环境下预定义驾驶行为稀疏。第二,驾驶行为分布呈长尾。第三,观测到巨大的类内差异。为解决这些问题,我们将近期自监督与监督学习以及多模态线索融合引入我们的架构设计。报告了初步实验与讨论。
引用
@article{arxiv.1807.00864,
title = {Semi-supervised Learning: Fusion of Self-supervised, Supervised Learning, and Multimodal Cues for Tactical Driver Behavior Detection},
author = {Athma Narayanan and Yi-Ting Chen and Srikanth Malla},
journal= {arXiv preprint arXiv:1807.00864},
year = {2018}
}