日本无码免费高清在线|成人日本在线观看高清|A级片免费视频操逼欧美|全裸美女搞黄色大片网站|免费成人a片视频|久久无码福利成人激情久久|国产视频一二国产在线v|av女主播在线观看|五月激情影音先锋|亚洲一区天堂av

  • 手機站
  • 小程序

    汽車測試網(wǎng)

  • 公眾號

    • 汽車測試網(wǎng)

    • 在線課堂

    • 電車測試

一文讀懂自動駕駛數(shù)據(jù)閉環(huán)

2021-09-21 18:17:01·  來源：智駕最前沿  
　
注意最近的一些新方法：
  • “DetCo: Unsupervised Contrastive Learning for Object Detection“
 
  • “PointContrast: Unsupervised Pre-training for 3D Point Cloud Understanding“
 
  • “MonoRUn: Monocular 3D Object Detection by Reconstruction and Uncertainty Propagation“
 
  • “Weakly Supervised Semantic Point Cloud Segmentation: Towards 10x Fewer Labels“
 
8）少樣本/零樣本學習
零樣本學習（Zero-shot learning，ZSL）旨在識別在訓練期間可能未見過實例的目標。雖然大多數(shù)ZSL方法都使用判別性損失（discriminative losses）進行學習，但少數(shù)生成模型（generative models）將每個類別表示為概率分布。
對于未見類（unseen classes），ZSL除了無法訪問其視覺或輔助信息的inductive設(shè)置之外，transductive方法無需訪問標簽信息，直接用已見類（seen classes）和未見類一起的視覺或語義信息。
ZSL屬于遷移學習（TL），源特征空間為訓練實例，目標特征空間為測試實例，二者特征空間一樣。但對于已見類和未見類，標簽空間是不同的。
為了從有限的監(jiān)督信息中學習，一個新的機器學習方向稱為少樣本學習 (Few-Shot Learning ，F(xiàn)SL)?；谌绾问褂孟闰炛R，F(xiàn)SL可分為三個類：1）用數(shù)據(jù)先驗知識來增強監(jiān)督經(jīng)驗，2）通過模型先驗知識約束假設(shè)空間，和3）用算法先驗知識改變假設(shè)空間中最佳參數(shù)的搜索方式。
FSL 可以是監(jiān)督學習、半監(jiān)督學習和強化學習（RL），取決于除了有限的監(jiān)督信息之外還有哪些數(shù)據(jù)可用。許多 FSL 方法是元學習（meta learning）方法，以此作為先驗知識。
最近的一些實例方法：
  • “Don’t Even Look Once: Synthesizing Features for Zero-Shot Detection“
 
  • “Zero-Shot Semantic Segmentation“
 
  • “Zero-Shot Learning on 3D Point Cloud Objects and Beyond“
 
  • “Few-Shot Object Detection and Viewpoint Estimation for Objects in the Wild“
 
  • “Self-Supervised Few-Shot Learning on Point Clouds“
 
  • “Few-shot 3D Point Cloud Semantic Segmentation“
 
分享到：
 
反對 0 舉報 0 收藏 0 評論 0
滬ICP備11026917號-25