基于元学习的双目深度估计在线适应算法
文献类型：期刊论文
| 作者 | 张振宇; 杨健 |
| 刊名 | 自动化学报
 |
| 出版日期 | 2023 |
| 卷号 | 49期号:7页码:1446-1455 |
| 关键词 | 深度估计 在线学习 元学习 域适应算法 深度神经网络 |
| ISSN号 | 0254-4156 |
| DOI | 10.16383/j.aas.c200286 |
| 英文摘要 | 双目深度估计的在线适应是一个有挑战性的问题,其要求模型能够在不断变化的目标场景中在线连续地自我调整并适应于当前环境.为处理该问题,提出一种新的在线元学习适应算法(Online meta-learning model with adaptation,OMLA),其贡献主要体现在两方面:首先引入在线特征对齐方法处理目标域和源域特征的分布偏差,以减少数据域转移的影响;然后利用在线元学习方法调整特征对齐过程和网络权重,使模型实现快速收敛.此外,提出一种新的基于元学习的预训练方法,以获得适用于在线学习场景的深度网络参数.相关实验分析表明, OMLA和元学习预训练算法均能帮助模型快速适应于新场景,在KITTI数据集上的实验对比表明,本文方法的效果超越了当前最佳的在线适应算法,接近甚至优于在目标域离线训练的理想模型. |
| 源URL | [http://ir.ia.ac.cn/handle/173211/56099]  |
| 专题 | 自动化研究所_学术期刊_自动化学报 |
| 推荐引用方式 GB/T 7714 | 张振宇,杨健. 基于元学习的双目深度估计在线适应算法[J]. 自动化学报,2023,49(7):1446-1455. |
| APA | 张振宇,&杨健.(2023).基于元学习的双目深度估计在线适应算法.自动化学报,49(7),1446-1455. |
| MLA | 张振宇,et al."基于元学习的双目深度估计在线适应算法".自动化学报 49.7(2023):1446-1455. |
入库方式： OAI收割
来源：自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。