计算机视觉创企Roboflow:自动驾驶汽车训练语料库遗漏关键数据

智能网联 2020-02-20

摘要:机器学习模型的性能取决于其训练的数据集的质量,而在自动驾驶领域,让此种性能不会受到失误的影响是至关重要的。据外媒报道,计算机视觉初创公司Roboflow发布了一份报告,据该公司创始人Brad Dwyer所说,用于训练自动驾驶汽车模型的语料库确实遗漏了关键数据。

机器学习模型的性能取决于其训练的数据集的质量,而在自动驾驶领域,让此种性能不会受到失误的影响是至关重要的。据外媒报道,计算机视觉初创公司Roboflow发布了一份报告,据该公司创始人Brad Dwyer所说,用于训练自动驾驶汽车模型的语料库确实遗漏了关键数据。

    

Dwyer表示,Udacity数据集2包含1.5万张白天在山景城和附近城市开车时拍摄的照片,其中就遗漏了关键数据。在大约5000个样本中,有数千辆未标记的车辆,数百名未标记的行人以及数十名未标记的骑自行车的车,占总数的33%(而217个样本中根本都没有任何注释,此类样本涵盖了汽车、卡车、路灯或行人)。更糟糕的是,还有“幻觉”注释以及除了“严重”加大的边界框(边界框指代感兴趣的对象),还有重复注释的边界框。

考虑到标签是让人工智能(AI)系统理解模式的含义(如有人走到了汽车前面),并基于此类知识评估未来事件,上述现象是很有问题的。错误标记或未标记的物体可能会导致准确性低、决策糟糕,从而为自动驾驶汽车带来灾难。

    

AI很容易因为数据集不完整或不正确导致偏差,这很好理解。例如,单词嵌入(word embedding)是一种常见的算法训练技术,需要将单词与向量连接起来的,不可避免地会捕捉到源文本和对话中隐含的偏见内容,在最糟糕的情况下,此种偏见还会被放大。此外,相比于白人,很多面部识别系统错误识别有色人种的次数更多,而且谷歌图片(Google Photos)曾经将深肤色的人识别为“大猩猩。”

    

但是,如果将表现不佳的AI用于汽车,就会造成更大的伤害。目前,还没有自动驾驶汽车引发碰撞事故的记录,但是目前公共道路上的自动驾驶汽车数量很少。不过,这种情况很可能会改变,根据市场营销公司ABI的数据,到2025年,将有多达800万辆无人驾驶汽车上路;而Research and Markets公司预计,到2030年,美国将有大约2000万辆无人驾驶汽车投入使用。

如果数百万的汽车运行的是有缺陷的AI模型,带来的影响可能是毁灭性的,会让公众更加不信任无人驾驶汽车。有两项研究 – 一项由布鲁金斯学会(Brookings Institution)和一项由高速公路与汽车安全倡议者(AHAS)表示,大多数美国人并不相信无人驾驶汽车的安全性。在布鲁金斯学会进行的调查中,超过60%的受访者表示,倾向于不乘坐自动驾驶汽车;而在AHAS的调查中,近70%的受访者对于与自动驾驶汽车共享道路表示了担忧。

解决数据集问题的方法可能在于更好地进行标记。根据Udacity数据集2的GitHub页面所说,众包语料库注释公司Autti结合使用机器学习与人工监工的方式来处理标记,目前尚不清楚是否此种方法导致了上述错误,不过严格的验证程序可能有助于发现上述错误。(文中图片均来自venturebeat.com)

作者:佚名,来源:盖世汽车


【版权提示】本文为转载内容,时点汽车(www.autombiz.com)倡导尊重与保护知识产权,转载内容都已标明出处与作者,如发现本站文章存在版权问题,烦请提供版权证明及联系方式等发邮件至tougao@autombiz.com,我们将在24小时内进行处理。

   

微信扫一扫,分享到朋友圈

微信公众号

猜你喜欢

关注我们的公众号

微信公众号
计算机视觉创企Roboflow:自动驾驶汽车训练语料库遗漏关键数据-海报

分享海报