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“
广告 
最新资讯
-
仿真不是捷径，而是证据链：GB/T 47025-202
2026-02-05 17:46
-
联合国法规R133对汽车可回收性的工程化约束
2026-02-05 13:01
-
联合国法规R107对M2/M3类客车一般结构的工
2026-02-05 12:28
-
联合国法规R104对车辆回复反射标志的工程化
2026-02-05 12:27
-
联合国法规R99对HID光源本体的工程化约束
2026-02-05 12:25
