公司内部网站页面设计,设计类专业大学排名,wordpress置顶文章调用,企业网站建设的服务类型有哪些SHIFT#xff1a;A Synthetic Driving Dataset for Continuous Multi-Task Domain Adaptation本文介绍一个新的自动驾驶仿真数据集#xff1a;SHIFT#xff0c;论文收录于 CVPR2022。适应连续变化的环境是自动驾驶系统一直以来要面临的挑战。然而#xff0c;目前现有的图像…
SHIFTA Synthetic Driving Dataset for Continuous Multi-Task Domain Adaptation本文介绍一个新的自动驾驶仿真数据集SHIFT论文收录于 CVPR2022。适应连续变化的环境是自动驾驶系统一直以来要面临的挑战。然而目前现有的图像和视频驾驶数据集无法反应真实世界的变化本质。
因此论文作者介绍了一个最大的自动驾驶多任务合成数据集SHIFT。在云量、雨量和雾的密度、光照时间、车辆和行人密度等方面呈现离散和连续的变化。SHIFT 数据集包含综合的传感器套件和多种主流感知任务的注释可以在域变化上研究感知系统性能的退化促进连续域适应策略的研究。虽然是仿真数据集但是在其上观察到的感知算法域变化趋势与真实数据集基本相符未来将会有助于合理收集真实数据集和开发感知算法。
数据集主页https://www.vis.xyz/shift/ The SHIFT Dataset
论文引言和相关工作就不介绍了这里直接介绍 SHIFT 数据集。表1是现有公开的自动驾驶数据集的比较可以看到 SHIFT 是最大的合成数据集也是唯一一个提供连续域变化的数据集。SHIFT 总共包含4850个序列最长的序列有33分钟250万帧注释注释包括物体2D/3D框、语义/实例分割、2D/3D多目标追踪ID、深度图、光流图等。 SHIFT 数据集传感器布置如下图所示包含5个RGB摄像头、一对双目摄像头、一个深度摄像头、一个光流传感器和GNSS/IMU以及128线激光雷达所有传感器进行了时间同步和空间同步采样频率为10Hz。 SHIFT 数据集的一大特色就是提供了不同条件下的数据一共包含24种域。除了离散域还包含连续域如下图所示从白天到夜晚的的连续数据以及从晴天到雨天的连续数据。 Experiments
SHIFT 数据集主要用于研究感知算法在域变化时的性能。作者这里测试了四种域适应测略Targeted DA、Untargeted DA、Incremental DA、Continusous TTA。 每一个模型都是在 clear-daytime domain 下训练的然后在其它域下测试。可以看到仿真数据集和真实数据集上模型都有着相同的变化趋势。 在不确定性估计中在 BDD100K上证实了SHIFT上观察到的校准的整体退化仿真数据与真实数据的结论基本一致。 在多任务学习上可以看到适当的任务组合能够有效抵消域变化的影响提高雨天、雾天、夜晚的模型性能。
