May, 2023

半自动化的角落案例检测和评估流程

PDF
TL;DR为了证明自动驾驶汽车可以安全、稳健地处理多种不同情况的交通，提出了一个通过 KI Absicherung 本体论将集体专家知识描述转化为场景和情境来提取自动驾驶数据集中的极端案例，并评估检测网络性能的流程。
automated vehiclesperception systemdeep neural networkcorner caseski absicherung ontology
发现论文，激发创造
  • 高度自动化驾驶感知角落案例的应用驱动概念化

    该研究旨在提供一个基于应用需求的自动驾驶车辆中的异常情况检测系统，主要针对机器学习、传感器模态、数据采集等应用和研究领域进行研究和探讨。

    Mar, 2021

  • 自动驾驶角落案例检测

    该研究论文提供了 “corner case” 的定义，并提出了一种既可在线使用，也可脱机筛选、重复训练机器学习算法的系统框架，该系统能够处理自然移动车辆前置摄像头的视频信号，并输出 “corner case” 分数。

    Feb, 2019

  • 自动驾驶中的边界案例描述：目标与挑战

    自动驾驶车辆的分布需要处理各种意外和可能危险的情况，这些情况被称为边缘情况，而这些情况也是机器学习模型的开发所需数据的重要组成部分。然而，在大规模数据集中只有有限数量的边缘情况数据，这使得它们在机器学习的背景下具有挑战性。本文旨在介绍机器可解释的边缘情况描述的挑战和目标。

    Sep, 2021

  • 基于不确定性的实例分割角点检测标准

    基于预测不确定性的角落案例准则可以检测无需依赖正确答案数据的对象实例分割模型的不确定性角落案例，并提供一种角落案例决策函数，可以将每个物体区分为真正阳性（TP）、定位和 / 或分类角落案例，或虚假阳性（FP），同时提出了迭代训练循环的初步结果，超过基准，在训练数据集中添加的数据是基于角落案例决策函数选择的。

    Apr, 2024

  • 利用本体论对自动驾驶的正式化和关键性识别

    本文提出知识表示与推理技术在自动驾驶汽车领域的应用。利用本文提出的 6 层模型创建了一个正式的场景模型，并利用本体论对交通场景因素进行建模和推理，得出交通状况关键因素。我们采用联合描述逻辑和规则推理器，并开展了一项基于大规模无人机数据集的实验评估。

    May, 2022

  • survAIval: 以 AI 之眼进行生存分析

    使用自主设计的驾驶模拟器和两个人类驾驶员来生成安全重要的极端情况，在训练中纳入这些角落情况，可以改善测试中对边角情况的识别，专家模型能够提供显著的性能和效率优势，对模型训练的时间和精力也有所减少。

    May, 2023

  • 基于视觉的自主系统的闭环分析：以案例为例

    本文应用正式的概率分析技术对一种通过感知深度神经网络（DNN）引导飞机滑行的实验自主系统进行了案例研究，通过使用代表性图像数据集计算 DNN 的混淆矩阵来替换摄像机和网络，构建紧凑的概率抽象，以解决感知 DNN、传感器和环境条件的复杂性所带来的挑战，并展示了如何利用本地、DNN 特定的分析作为运行时保护，以提高整个系统的安全性。

    Feb, 2023

  • 自动驾驶系统感知测试中寻找相关图像的最佳点位

    基于神经网络的自动驾驶系统感知图像检测方法，通过自动化阈值定义来提供与输入提示相关的图像结果，以防止误报和误检。

    Apr, 2024

  • 使用 SoC FPGA 上的检测分割网络实现自动驾驶车辆的感知系统

    本文通过应用 MultiTaskV3 检测 - 分割网络为基础的感知系统，在 AMD Xilinx Kria KV260 Vision AI 嵌入式平台上进行的适当训练、量化和实现，实现了在单一结构中执行两种功能，并且在物体检测方面实现了高精度。

    Jul, 2023

  • 自动驾驶和高级驾驶辅助系统的摄像头 - 雷达感知：概念，数据集和度量

    本文研究了自动驾驶系统中车辆安全性的提高、深度学习基础的障碍物检测和分割、雷达传感器和摄像头传感器的融合，以及在车辆感知中的数据集、度量、挑战和开放性问题，这些元素对于提高自动驾驶系统的普及率具有重要意义。

    Mar, 2023