Knowledge Commons of Institute of Automation,CAS
基于元学习的双目深度估计在线适应算法 | |
张振宇; 杨健 | |
发表期刊 | 自动化学报
![]() |
ISSN | 0254-4156 |
2023 | |
卷号 | 49期号:7页码:1446-1455 |
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. |
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 |
DOI | 10.16383/j.aas.c200286 |
引用统计 | |
文献类型 | 期刊论文 |
条目标识符 | http://ir.ia.ac.cn/handle/173211/56099 |
专题 | 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. |
条目包含的文件 | 下载所有文件 | |||||
文件名称/大小 | 文献类型 | 版本类型 | 开放类型 | 使用许可 | ||
AAS-CN-2020-0286.pdf(5210KB) | 期刊论文 | 出版稿 | 开放获取 | CC BY-NC-SA | 浏览 下载 |
个性服务 |
推荐该条目 |
保存到收藏夹 |
查看访问统计 |
导出为Endnote文件 |
谷歌学术 |
谷歌学术中相似的文章 |
[张振宇]的文章 |
[杨健]的文章 |
百度学术 |
百度学术中相似的文章 |
[张振宇]的文章 |
[杨健]的文章 |
必应学术 |
必应学术中相似的文章 |
[张振宇]的文章 |
[杨健]的文章 |
相关权益政策 |
暂无数据 |
收藏/分享 |
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。
修改评论