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

• 雷诺 × Simulink \| 使用 ROS 机器人技术和 SOA（面向服务	• NVIDIA JetPack 6.1 通过优化摄像头堆栈和引入固件 TPM 大
• 飞轮储能提升充电速度，突破电网容量限制-ZOOZ	• AI 助力汽车电子测试：落地应用的六大挑战
• 芯科技 • 2024年度总结	• 新能源汽车中Busbar有哪些形式？
• ENCAP2026对撞后安全的要求（中）	• 汽车智能座舱分级与综合评价白皮书
• 一文详解安全分析方法STPA：以自动紧急制动系统（AEB）为	• 新品上市 \| Fusion-LN 数据采集的下一个飞跃

编辑推荐