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

• 分布式驱动车辆的爆胎稳定性控制	• 新能源汽车电控系统参数匹配及优化
• 超高强度汽车钢板氢致延迟断裂敏感性U形恒弯曲载荷试验方	• 联合国自动驾驶数据记录系统DSSAD指导文件
• 后碰撞预警RCW功能介绍	• 教你快速计算路面伪损伤
• 自动驾驶系统（ADS）的安全性原则及验证	• 新能源汽车高压安全设计之一：高压互锁HVIL
• 沃尔沃又改写汽车安全历史！全球首条“会思考的安全带”明	• 汽车电子中的debounce防抖机制

编辑推荐