廣告
一文讀懂自動(dòng)駕駛數(shù)據(jù)閉環(huán)
2021-09-21 18:17:01· 來(lái)源：智駕最前沿
2）OOD檢測(cè)和Corner Case檢測(cè)
機(jī)器學(xué)習(xí)模型往往會(huì)在out-of-distribution（OOD) 數(shù)據(jù)上失敗。檢測(cè)OOD是確定不確定性（Uncertainty）的手段，既可以安全報(bào)警，也可以發(fā)現(xiàn)有價(jià)值的數(shù)據(jù)樣本。
不確定性有兩種來(lái)源：任意（aleatoric）不確定性和認(rèn)知（epistemic）不確定性。
導(dǎo)致預(yù)測(cè)不確定性的數(shù)據(jù)不可減（Irreducible）不確定性，是一種任意不確定性（也稱為數(shù)據(jù)不確定性）。任意不確定性有兩種類型：同方差（homo-scedastic）和異方差（hetero-scedastic）。
另一類不確定性是由于知識(shí)和數(shù)據(jù)不適當(dāng)造成的認(rèn)知不確定性（也稱為知識(shí)/模型不確定性）。
最常用的不確定性估計(jì)方法是貝葉斯近似（Bayesian approximation）法和集成學(xué)習(xí)（ensemble learning）法。
一類 OOD 識(shí)別方法基于貝葉斯神經(jīng)網(wǎng)絡(luò)推理，包括基于 dropout 的變分推理（variational inference）、馬爾可夫鏈蒙特卡羅 (MCMC) 和蒙特卡羅 dropout等。
另一類OOD識(shí)別方法包括 (1) 輔助損失或NN 架構(gòu)修改等訓(xùn)練方法，以及 (2) 事后統(tǒng)計(jì)（post hoc statistics）方法。
數(shù)據(jù)樣本中有偏離正常的意外情況，即所謂的corner case?？煽康貦z測(cè)此類corner case，在開(kāi)發(fā)過(guò)程中，在線和離線應(yīng)用都是必要的。
在線應(yīng)用可以用作安全監(jiān)控和警告系統(tǒng)，在corner case情況發(fā)生時(shí)進(jìn)行識(shí)別。離線應(yīng)用將corner case檢測(cè)器應(yīng)用于大量收集的數(shù)據(jù)，選擇合適的訓(xùn)練和相關(guān)測(cè)試數(shù)據(jù)。
最近的一些實(shí)例工作有：
-
“Towards Corner Case Detection for Autonomous Driving“
-
“Out-of-Distribution Detection for Automotive Perception“
-
“Corner Cases for Visual Perception in Automated Driving: Some Guidance on Detection Approaches“
點(diǎn)贊 0 反對(duì) 0 舉報(bào) 0
收藏 0
評(píng)論 0 分享 78
廣告 
