面向自动驾驶感知的快速不确定性估计方法OACSTPCD
A Fast Uncertainty Estimation Method for Autonomous Driving Perception
在自动驾驶的视觉感知任务中,准确且快速提取认知不确定性和偶然不确定性对有效解决自动驾驶的预期功能安全问题至关重要.传统方法中,如Monte-Carlo Dropout和Deep Ensembles,通过采样不同子模型的预测结果来估计不确定性,这使在模型推理阶段不确定性估计速度很慢且容易占用处理器大量内存.针对Monte-Carlo Dropout不确定性估计速度较慢及其后续检测结果选取的问题,提出了一种快速Monte-Carlo Dropout方…查看全部>>
In the visual perception task of autonomous driving,it is crucial to accurately and quickly extract the cognitive and accidental uncertainties to effectively resolve the Safety of the Intended Functionality(SOTIF)issues associated with autonomous driving.In traditional methods such as Monte Carlo dropout and deep ensembles,uncertainty is estimated by sampling the prediction results of different sub-models,which slows down the estimation and tends to occupy a…查看全部>>
王潇;赵洋;程洪
电子科技大学 自动化工程学院,成都 611731电子科技大学 自动化工程学院,成都 611731电子科技大学 自动化工程学院,成都 611731
交通运输
自动驾驶不确定性估计目标检测预期功能安全
autonomous drivinguncertainty estimationobject detectionsafety of the intended functionality
《汽车工程学报》 2024 (5)
772-780,9
国家自然科学基金项目(U1964203)国家重点研发计划项目(2022YFB2503004)四川省重点研发项目(2022YFG0342)
评论