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

4）迁移学习/域适应

迁移学习(transfer learning，TL)不需要训练数据和测试数据是独立同分布(independent and identically distributed，i.i.d)，目标域的模型不需要从头开始训练，可以减少目标域训练数据和时间的需求。

深度学习的迁移技术基本分为两种类型，即非对抗性的（传统）和对抗性的。

域适应 (domain adaptation，DA) 是TL的一种特殊情况，利用一个或多个相关源域（source domains）的标记数据在目标域（target domain）执行新任务。

DA方法分为两类：基于实例的和基于特征的。

最近出现的一些新实例方法：

“Multi-Target Domain Adaptation via Unsupervised Domain Classification for Weather Invariant Object Detection“

“Uncertainty-Aware Consistency Regularization for Cross-Domain Semantic Segmentation“

“SF-UDA3D: Source-Free Unsupervised Domain Adaptation for LiDAR-based 3D Object Detection“

“LiDARNet: A Boundary-Aware Domain Adaptation Model for Point Cloud Semantic Segmentation“

分享到：

点赞 0 反对 0 举报 0 收藏 0 评论 0

0 条相关评论

• 浅谈汽车制动性能与技术状况对交通安全的影响	• 如何正确模拟不同类型的流体流动
• 细数国内外800V电驱动产品和技术	• 重磅！本田全球首次公开第三代燃料电池系统！加快燃料电池
• SGDet3D：基于4D雷达和相机的语义和几何信息融合的3D目标	• 自动驾驶端到端模型：技术演进、应用实践与未来展望
• 基于EHT等效温度的夏季乘员舱热舒适性研究	• 高集成测试成主流？详解IT2800系列源表在光模块测试中的六
• 传感器仿真模型的可信度评估方案	• DeepSeek技术优势及汽车智能化应用

编辑推荐