David Held: "Self-supervised learning for autonomous driving" - UCLA Institute for Pure and Applied Mathematics

完全自动驾驶的最大障碍之一是道路上可能发生的长尾不寻常事件。自动驾驶汽车如何学会处理这样的罕见事件?通过在车队上安装传感器并在世界各地行驶，收集大量未标记数据相对容易。主要的瓶颈是对如此大量的数据进行准确的标注;即使使用最好的标记工具，数据收集的速度也比标记的速度快得多。我们提出用自监督学习来克服这个挑战，自监督学习可以从未标记数据中学习。我们将介绍我们最近在自动驾驶的自监督学习方面的两项工作:自监督场景流和自监督数据关联。这些方法将使我们能够通过训练大量的未标记数据来提高性能。最后，我们提出了一种使用低成本的主动深度传感器进行目标检测的算法，这可以使自动驾驶车辆既安全又经济。

视频：

https://fast.wistia.net/embed/iframe/kipau3vl1o