ОГЛЯД ОНЛАЙН-НАВЧАННЯ БЕЗ УЧИТЕЛЯ З СЕМАНТИЧНОЇ СЕГМЕНТАЦІЇ ДЛЯ АВТОНОМНИХ ТРАНСПОРТНИХ ЗАСОБІВ

Анотація

У представленому дослідженні досліджуються методи безперервної адаптації для монокулярної оцінки глибини та семантичної сегментації для покращення можливостей розуміння сцени в реальному часі для автономних транспортних засобів та систем допомоги водієві. Запропоновані методології дозволяють моделям динамічно пристосовуватися до нової інформації у відеорядах, зберігаючи високу продуктивність на тлі поточних змін зовнішнього вигляду сцени, освітлення та інших контекстуальних факторів. Першим внеском є постійна онлайн-адаптація для вимірювання глибини монокуляра, що усуває потребу в ізольованих методах тонкого налаштування та зберігає інформацію на відеокадрах. Цей метод усуває дрейф даних, постійно адаптуючись до нових кадрів, запобігаючи перевантаженню через обмежену різноманітність даних. Повторне відтворення досвіду інтегровано для стабілізації процесу навчання та введення мінімальних обчислювальних витрат. Такі методи, як автоматичне маскування та спостереження за швидкістю, допомагають розрізняти нерухомі та рухомі об'єкти, пом'якшуючи помилки, пов'язані з непостійними сигналами глибини. Дослідження підтверджує ефективність запропонованого підходу за допомогою сценаріїв адаптації всередині набору даних і між наборами даних, демонструючи значний приріст точності при збереженні часу виконання в режимі реального часу.