[首篇!智能汽车感知方面深度迁移学习全面综述]本文论了与智能车辆感知的传感器、数据和模型的差异有关的域差异。探讨了智能车辆感知的最新应用、面临的挑战和未来的研究方向。
- 题目: Deep Transfer Learning for Intelligent Vehicle Perception: a Survey
- 作者单位: 克利夫兰州立大学，长安大学
基于深度学习的智能车辆感知技术近年来得到了突出的发展，为自动驾驶中的运动规划和决策提供了可靠的依据。大量强大的基于深度学习的方法能够在解决自动驾驶的各种感知问题上取得优异的效果。然而，这些深度学习方法仍然有一些局限性，例如，假设实验室训练(源域)和实际测试(目标域)数据遵循相同的特征分布在现实世界中可能是不切实际的。在许多现实世界的案例中，它们之间常常存在显著的领域差距。深度迁移学习通过将知识从一个领域转移到另一个领域，可以很好地解决这个问题。深度迁移学习的目的是通过利用以前在另一个领域学到的相似任务的知识来提高新领域的任务效果。然而，目前还没有关于智能车辆感知的深度迁移学习的综述论文。据我们所知，本文首次对智能车辆感知的深度迁移学习进行了全面综述。本文讨论了与智能车辆感知的传感器、数据和模型的差异有关的域差异。探讨了智能车辆感知的最新应用、面临的挑战和未来的研究方向。
Deep Transfer Learning for Intelligent Vehicle Perception: a Survey
