3D目標(biāo)檢測(cè)是對(duì)3D傳感器數(shù)據(jù)中的對(duì)象進(jìn)行分類和定位，這項(xiàng)技術(shù)在自動(dòng)駕駛、機(jī)器人技術(shù)、虛擬現(xiàn)實(shí)等諸多領(lǐng)域中有著重要應(yīng)用。在深度神經(jīng)網(wǎng)絡(luò)和大規(guī)模的標(biāo)注數(shù)據(jù)集的推動(dòng)下，近期該領(lǐng)域取得了顯著進(jìn)步。但由于不同類型的3D傳感器、不同的天氣條件和不同的地理位置都會(huì)導(dǎo)致域偏移，在一個(gè)特定域上開發(fā)的3D檢測(cè)器可能無法很好地推廣到新的測(cè)試域。盡管從不同的域收集更多的訓(xùn)練數(shù)據(jù)可以緩解此問題，但需要消耗巨大成本。本期我們邀請(qǐng)到來自香港大學(xué)的楊霽晗同學(xué)，分享他在3D點(diǎn)云目標(biāo)檢測(cè)無監(jiān)督領(lǐng)域自適應(yīng)任務(wù)上的研究，為此問題的解決提供新的思路。

講者介紹

楊霽晗，香港大學(xué)一年級(jí)博士，主要研究方向?yàn)樯贅颖緦W(xué)習(xí)，遷移學(xué)習(xí)。

會(huì)議題目

ST3D:一種基于自學(xué)習(xí)的3D目標(biāo)檢測(cè)無監(jiān)督領(lǐng)域自適應(yīng)方法

會(huì)議摘要

我們?cè)?D點(diǎn)云目標(biāo)檢測(cè)無監(jiān)督領(lǐng)域自適應(yīng)任務(wù)上提出了一種新的領(lǐng)域自適應(yīng)的自學(xué)習(xí)方法，叫做ST3D。首先，我們?cè)谠搭I(lǐng)域預(yù)訓(xùn)練一個(gè)檢測(cè)器，并同時(shí)使用隨機(jī)物體放縮作為數(shù)據(jù)增強(qiáng)來消除源領(lǐng)域帶來的一些負(fù)面的領(lǐng)域偏差。然后，我們通過使檢測(cè)器借助三元記憶倉庫生成高質(zhì)量的偽標(biāo)簽并利用高質(zhì)量的偽標(biāo)簽結(jié)合漸進(jìn)數(shù)據(jù)增強(qiáng)來得到更好的檢測(cè)器進(jìn)行迭代。這些專門的設(shè)計(jì)使我們的3D檢測(cè)器能夠在高質(zhì)量和一致的偽標(biāo)簽上訓(xùn)練，并避免過擬合到大量的簡單樣本上。ST3D在多個(gè)取得了很好的性能，代碼已經(jīng)開源。

論文標(biāo)題：ST3D: Self-training for Unsupervised Domain Adaptation on 3D Object Detection

在線閱讀：https://bbs.sffai.com/d/138-st3d3d

會(huì)議亮點(diǎn)

1、指出了3D目標(biāo)檢測(cè)無監(jiān)督領(lǐng)域自適應(yīng)的困難，以及利用自學(xué)習(xí)解決這個(gè)任務(wù)的一些挑戰(zhàn)；

2、根據(jù)這些挑戰(zhàn)重新設(shè)計(jì)了自學(xué)習(xí)的多個(gè)模塊，使其適用于這個(gè)任務(wù)；

3、在多個(gè)遷移任務(wù)上取得了較大提升(16%~75%)。

直播時(shí)間

2021年5月23日（周日）20:00—21:00?線上直播

關(guān)注微信公眾號(hào)：人工智能前沿講習(xí)，對(duì)話框回復(fù)“SFFAI107”，獲取入群二維碼

注：直播地址會(huì)分享在交流群內(nèi)

現(xiàn)代科學(xué)技術(shù)高度社會(huì)化，在科學(xué)理論與技術(shù)方法上更加趨向綜合與統(tǒng)一，為了滿足人工智能不同領(lǐng)域研究者相互交流、彼此啟發(fā)的需求，我們發(fā)起了SFFAI這個(gè)公益活動(dòng)。SFFAI每周舉行一期線下活動(dòng)，邀請(qǐng)一線科研人員分享、討論人工智能各個(gè)領(lǐng)域的前沿思想和最新成果，使專注于各個(gè)細(xì)分領(lǐng)域的研究者開拓視野、觸類旁通。

SFFAI目前主要關(guān)注機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺、自然語言處理等各個(gè)人工智能垂直領(lǐng)域及交叉領(lǐng)域的前沿進(jìn)展，將對(duì)線下討論的內(nèi)容進(jìn)行線上傳播，使后來者少踩坑，也為講者塑造個(gè)人影響力。SFFAI還在構(gòu)建人工智能領(lǐng)域的知識(shí)森林—AI Knowledge Forest，通過匯總各位參與者貢獻(xiàn)的領(lǐng)域知識(shí)，沉淀線下分享的前沿精華，使AI Knowledge Tree枝繁葉茂，為人工智能社區(qū)做出貢獻(xiàn)，歡迎大家關(guān)注SFFAI論壇：https://bbs.sffai.com。