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

• 真正决定城市体验的，不是硬件，而是控制系统	• 泰克2系列MSO混合信号示波器：远程控制与协作，解锁测试测
• 城市工况下，底盘系统为什么更难？系统架构拆解	• 直播 \| COMSOL 多物理场仿真在新能源汽车领域中的应用
• 为什么城市用车最难做？三大性能需求背后的工程逻辑	• GB/T 18488-2024之后，电驱系统测试已经从“部件验证”走
• 城市运行产品平台：不是代步工具，而是高频运行系统	• 电动汽车高端公务产品平台：功能架构与性能实现路径
• 城市运行产品平台	• 高端公务产品平台

编辑推荐