Real-Time Fully Unsupervised Domain Adaptation for Lane Detection in Autonomous Driving

要約

ディープニューラルネットワークは自動運転に多用されていますが、訓練されていない新たな目に見えない環境条件に適応する必要があります。
私たちは、車線検出の安全性が重要なアプリケーションに焦点を当て、モデルのバッチ正規化パラメーターのみを適応させる、軽量で完全に教師なしのリアルタイム適応アプローチを提案します。
Nvidia Jetson Orin で 30 FPS という厳しい制約の下で、私たちの手法が推論を実行し、その後オンデバイスで適応できることを実証します。
これは、最先端の半教師あり適応アルゴリズムと同様の精度 (平均 92.19%) を示しますが、リアルタイム適応はサポートされていません。

要約(オリジナル)

While deep neural networks are being utilized heavily for autonomous driving, they need to be adapted to new unseen environmental conditions for which they were not trained. We focus on a safety critical application of lane detection, and propose a lightweight, fully unsupervised, real-time adaptation approach that only adapts the batch-normalization parameters of the model. We demonstrate that our technique can perform inference, followed by on-device adaptation, under a tight constraint of 30 FPS on Nvidia Jetson Orin. It shows similar accuracy (avg. of 92.19%) as a state-of-the-art semi-supervised adaptation algorithm but which does not support real-time adaptation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google