自动驾驶论坛21_学习

20210120【无人驾驶场景3D物体检测与跟踪】Panel环节_哔哩哔哩_bilibili 

重点关注的问题:

如何解决小样本问题,样本不均衡问题?

1. 深度学习是一个模块,以安全和效率作为目标,其中有一个平衡;

    不是只针对深度学习模型,感知系统还包含后续的一些fusion模块,解释性和安全性是从整个系统的考虑;

    corner case,要有相对应的迁移解决的方法。

2. 数据闭环,通过实际的海量数据,去解决长尾问题;

     仿真模拟,去解决长尾问题;

3. 针对小样本增加loss的权重,提升模型对小样本的关注度;

4. 可解释性不妨碍实际的使用;

如何让视觉感知系统发挥作用?

1. 图像在一些预测算法中,还要挖掘,比如车辆转向灯

2. 远距离,视觉有优势,高清摄像头?

3. l2,纯视觉可能;l4,激光是有必要的。

建议:

1. 3D 视觉,多视角几何的相关知识

2. 和上下游结合,不要被感知框架限制

    相机和lidar的噪声处理

    激光雷达的点云的corner case,雨水,雾气,高反,鬼影等问题的处理

3. 从解决实际问题出发,用基础简单的想法去出发

 20220907【自动驾驶感知】Panel_哔哩哔哩_bilibili

感知距离解决还有多远?

1. 以人的标准,永远没法被解决;domain and basic knowledge

    完成自动驾驶功能,没有必要去解决所有的问题,关注真正有价值的感知系统,需要结合上下游。

2. 公开数据集上的涨点,并不一定更有力,而是要在一些关键目标上有提升,比如和规控真正有交互的目标上要有提升。

如何定义关键目标?而不是所有目标都一致评估。

目前的情况还是不能满足aeb的要求,目前工业界更多的是保准确率,放弃一定的召回的指标,保证客户的舒适性。

特殊的目标,也很难解决,小的障碍物等等。

长尾问题如何解决?

1. 不能只靠深度学习算法,也要依赖一些传统的精度可能不是特别高的算法,做一个很好的融合,以保证安全或者效率。

 

        

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值