广告
一文读懂自动驾驶数据闭环
2021-09-21 18:17:01· 来源：智驾最前沿
6 相关的机器学习技术
最后，谈一下数据闭环所采用的机器学习技术，其实就是选择什么训练数据和如何迭代更新模型的策略。主要有以下几点：
-
主动学习
-
OOD检测和Corner Case检测
-
数据增强/对抗学习
-
迁移学习/域自适应
-
自动机器学习（AutoML ）/元学习（学习如何学习）
-
半监督学习
-
自监督学习
-
少样本/ 零样本学习
-
持续学习/开放世界
下面分别讨论：
1）主动学习
主动学习（active learning）的目标是找到有效的方法从无标记数据池中选择要标记的数据，最大限度地提高准确性。主动学习通常是一个迭代过程，在每次迭代中学习模型，使用一些启发式方法从未标记数据池中选择一组数据进行标记。因此，有必要在每次迭代中为了大子集查询所需标签，这样即使对大小适中的子集，也会产生相关样本。
如图是一个主动学习闭环示意图：在无标注数据中查询、标注所选择数据、添加标注数据到训练集和模型训练。
一些方法把标注和无标注数据放在一起，故此采用监督学习和半监督学习进行训练。
贝叶斯主动学习方法通常使用非参数模型（如高斯过程）来估计每个查询的预期进步或一组查询后的预期错误。
基于不确定性主动学习方法尝试使用启发式方法，比如最高熵，和决策边界的几何距离等来寻找困难例子（hard examples）。
如图是英伟达基于主动学习的挖掘数据方法：
还有其他的主动学习实例方法：
-
“Deep Active Learning for Efficient Training of a LiDAR 3D Object Detector“
-
“Consistency-based Active Learning for Object Detection“
编辑推荐
最新资讯
-
大卓智能端到端直播实测，16公里复杂路段挑
2025-04-25 17:16
-
《汽车轮胎耐撞击性能试验方法-车辆法》等
2025-04-25 11:45
-
“真实”而精确的能量流测试：电动汽车能效
2025-04-25 11:44
-
GRAS助力中国高校科研升级
2025-04-25 10:25
-
梅赛德斯-AMG使用VI-CarRealTime开发其控制
2025-04-25 10:21
