Neuer Beitrag auf dem Interactive Adaptive Learning Workshop der ECMLPKDD 2021

Für das Training von Objekterkennungsalgorithmen zur Wahrnehmung im autonomen Fahren sind große Mengen gelabelter Daten erforderlich. Das Labeling der Daten ist aufwendig und darum sehr kostspielig. Das IES hat kürzlich auf dem Interactive Adaptive Learning Workshop auf der ECMLPKDD 2021 ein neuartiges Konzept vorgestellt, mit dem die Labelingkosten deutlich reduziert werden können. In dem Paper "A Concept for Highly Automated Pre-Labeling via Cross-Domain Label Transfer for Perception in Autonomous Driving" stellen Maarten Bieshaar, Marek Herde, Denis Huseljic und Bernhard Sick dieses Konzept vor. Es beruht im Wesentlichen auf einer probabilistischen Modellierung und darauf, Label von einer Sensorinstanz auf eine andere zu übertragen.

Das Video der Präsentation des Papers kann online abgerufen werden: https://youtu.be/BTk8o1IFG24
Paper: https://www.activeml.net/ial2021/pdf/ialatecml_paper5.pdf

Diese Arbeit entstand im Rahmen des KI-Data Tooling Projekts (Teil der KI-Familie).