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
9）持续学习/开放世界
持续学习（ continual learning）可以不断积累不同任务得到的知识，而无需从头开始重新训练。其困难是如何克服灾难遗忘（catastrophic forgetting）。
如图是持续学习的方法分类：经验重放（ER）、正则化和参数孤立三个方向。
开放集识别（Open set recognition，OSR），是在训练时存在不完整的世界知识，在测试中可以将未知类提交给算法，要求分类器不仅要准确地对所见类进行分类，还要有效处理未见类。开放世界学习（Open world learning）可以看作是持续学习的一个子任务。
以下给出最近的一些实例方法：
-
“Lifelong Object Detection“
-
“Incremental Few-Shot Object Detection“
-
“Towards Open World Object Detection“
-
"OpenGAN: Open-Set Recognition via Open Data Generation"
-
“Large-Scale Long-Tailed Recognition in an Open World“
数据闭环的关键是数据，同时采用数据驱动的训练模型是基础。决定了整个自动驾驶迭代升级系统的走向是：
-
数据的模式（摄像头/激光雷达/雷达，无/导航/高清地图，姿态定位精度，时间同步标记）；
-
数据驱动模型（模块/端到端）；
-
模型的架构（AutoML）；
-
模型训练的策略（数据选择）。
转载自知乎
广告 
最新资讯
-
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
-
联合国法规R98对HID前照灯的工程化约束
2026-02-05 12:25
