面向自动驾驶的极端情况检测
计算机视觉与模式识别
2019-02-27 v2
摘要
自动驾驶的进展也得益于底层机器学习方法可用训练数据量的增加。机器学习系统普遍缺乏鲁棒性，例如当训练数据极少或完全未覆盖关键情形时。视频中极端情况检测这一挑战性任务（也在某种程度上与异常事件或异常检测相关）旨在检测这些可能变为关键的异常情形，并将其传达给自动驾驶系统（在线用例）。然而，此类系统也可用于离线模式，以筛选大量数据并仅选择相关情形用于存储和（重新）训练机器学习算法。迄今为止，极端情况检测方法局限于固定摄像机记录的视频，主要用于安全监控。在本文中，我们给出极端情况的正式定义，并提出一个适用于在线与离线用例的系统框架，该框架可处理自然移动车辆前摄像机的视频信号并输出极端情况分数。
引用
@article{arxiv.1902.09184,
title = {Towards Corner Case Detection for Autonomous Driving},
author = {Jan-Aike Bolte and Andreas Bär and Daniel Lipinski and Tim Fingscheidt},
journal= {arXiv preprint arXiv:1902.09184},
year = {2019}
}