每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

TSLA：自动驾驶汽车平台上语义分割的任务特定学习自适应

Created by
  • Haebom

作者

刘军、孔正伦、赵璞、曾伟豪、唐浩、沉轩、杨昌迪、张文斌、袁耿、牛伟、林雪、王彦志

大纲

自动驾驶平台面临着多样化的驾驶环境、不同的硬件资源和精度需求，而嵌入式设备的计算约束则需要考虑计算成本。本研究旨在根据目标平台（例如 NVIDIA DRIVE PX 2）的算力和具体场景定制语义分割网络。通过三层控制机制（宽度乘数、分类器深度和分类器核）实现动态自适应性，根据硬件约束和任务需求对模型组件进行微调。此外，利用贝叶斯优化在有限的计算预算内高效探索超参数空间，并协调用于特定任务学习自适应（TSLA）的乘法-累积运算（MAC），为各种自动驾驶任务生成备选配置。

Takeaways, Limitations

•
Takeaways：
◦
我们提出了一种动态调整语义分割网络以适应硬件约束和特定场景的方法。
◦
通过三层控制机制对模型组件进行细粒度控制，提高资源配置和性能。
◦
使用贝叶斯优化有效地执行超参数搜索。
◦
TSLA 可以为各种自动驾驶任务提供自定义模型配置。
•
Limitations：
◦
该论文缺乏有关具体实验结果或性能数据的详细信息。
◦
专注于特定硬件（NVIDIA DRIVE PX 2），不讨论对其他平台的通用性。
◦
缺乏对寻找三种控制机制最优组合的过程的描述。
👍
Made with Slashpage