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

• 重新思考噪音——为何感知与情境至关重要	• 如何确保飞行汽车安全地紧急着陆：关于电池功率能力测试方
• 轮胎道路摩擦系数的基本估计：一种基于模型的学习框架	• 新能源汽车紧急呼叫系统（eCall）
• eVTOL电池热管理：平板热管+冲压空气的被动冷却系统	• 【焕新升级】山海智算模组V2——极致集成，跃迁新生
• 用于物理推理的去噪哈密顿网络	• 通用汽车新专利：座椅靠背口袋无线充电专利 + 车辆旋转座
• 用于虚拟里程测试的NPC 模型生成方法	• IT-N6300三通道直流电源--电源领域的测试多面手

编辑推荐