von Herrn Michael Kösel, M. Sc.
Kurzfassung:
LiDAR-Sensoren sind ein zentrales Element moderner automatisierter Fahrzeuge, da sie ihre Umgebung präzise in 3D erfassen können. Aktuelle Deep-Learning-Verfahren erzielen dabei sehr gute Ergebnisse bei der Objekterkennung. In realen Szenarien stoßen sie jedoch an ihre Grenzen, wenn Objekte auftreten, die nicht zu den im Training gelernten Klassen gehören, sogenannte Out-of-Distribution (OOD)-Objekte. Diese werden häufig einer bekannten Klasse falsch zugeordnet oder gar nicht erkannt.
Der Vortrag gibt zunächst einen Überblick über bestehende Verfahren zur OOD-Detektion. Anschließend wird ein neuer Ansatz vorgestellt, der Sprachmodelle nutzt, um synthetische OOD-Features für das Training eines OOD-Klassifikators zu erzeugen.
Im zweiten Teil des Vortrags wird die OOD-Detektion von einzelnen Objekten auf ganze Szenen erweitert und ein entsprechender Ansatz vorgestellt.
Zu diesem Vortrag wird recht herzlich eingeladen!