Concept
Transfer Learning < Continual Learning
Transfer Learning
학습된 모델의 지식을 다른 관련 작업에 적용하는 방법
기존의 학습된 모델을 새로운 작업에 재사용하여 초기 학습 단계를 건너뛰고 더 빠르고 효율적인 학습을 가능
학습한 특성이나 지식을 새로운 작업에 전달하여 성능 향상을 이루는 데 중점
Continual Learning
연속적으로 새로운 작업이나 데이터를 학습하고 이전에 학습한 내용을 기억하고 유지하는 능력을 강조
여러 작업을 순차적으로 학습하면서 모델이 적응하고 성능을 유지하는 것을 목표
Goal
전이 학습을 통한 KITTI 데이터의 Car, Pedestrian에 대한 감지 성능 향상
Analysis
KITTI 학습 데이터셋 10000장
nuScences 학습 데이터셋 1500장
nuScences 테스트 데이터셋 500장
Case 1
KITTI + nuScences 데이터셋 11500장 학습
Case 2
'Pedestrian', 'Car' 제외한 KITTI 데이터셋 10000장 학습
KITTI 형태로 Anootation 변경한 nuScences 데이터셋 2000장 전이 학습
Comparison
Case 1과 Case 2 성능 비교
Datasets
KITTI
도로 주행 데이터에 초점을 맞추고 데이터셋의 규모와 구조가 비교적 간단
https://www.cvlibs.net/datasets/kitti/eval_object.php?obj_benchmark=2d
NUSCENES
도시 환경에서 다양한 시나리오와 센서 데이터를 다루며 보다 상세한 어노테이션 정보와 맵 데이터를 제공
https://www.nuscenes.org/nuimages
Sweeps > CAM_FRONT [Asia]
nuscenes-devkit
Conversion
nuScenes -> kitti
kitti annotation > .names
kitti -> yolo
