探索对抗学习用于复杂驾驶场景异常检测
计算机视觉与模式识别
2023-07-24 v1 人工智能
摘要
诸如自动驾驶汽车等许多自治系统（AS）执行各种安全关键功能。这些自治系统中的许多利用人工智能（AI）技术来感知其环境。但这些感知组件无法被形式化验证，因为此类基于 AI 的组件的准确性高度依赖于训练数据的质量。因此，基于机器学习（ML）的异常检测——一种识别不属于训练数据的数据的技术——可用作此类基于 AI 的组件在开发与运行期间的安全度量指标。对抗学习作为机器学习的一个子领域，已在简单数据集上以令人印象深刻的成果证明了其检测图像与视频中异常的能力。因此，在本工作中，我们研究并深入分析了此类技术在名为 Berkeley DeepDrive 的高度复杂驾驶场景数据集上的性能。
引用
@article{arxiv.2307.05256,
title = {Towards exploring adversarial learning for anomaly detection in complex driving scenes},
author = {Nour Habib and Yunsu Cho and Abhishek Buragohain and Andreas Rausch},
journal= {arXiv preprint arXiv:2307.05256},
year = {2023}
}
备注
22