无需标注即可训练，自监督学习框架实现大量未标注毫米波雷达数据预训练自动驾驶感知任务

文章预览

Abstract 由于雷达（radar）在雾天和恶劣天气下的操作能力，自动驾驶车辆使用雷达进行感知引起了越来越多的研究兴趣。然而，训练雷达模型受到大规模雷达数据注释的成本和难度的阻碍。为了克服这一瓶颈，我们提出了一种自监督学习框架，以利用大量未标注的雷达数据，预训练用于自动驾驶感知任务的雷达嵌入。所提出的方法结合了雷达与雷达之间以及雷达与视觉之间的对比损失，从未标注的雷达热图与对应的摄像头图像配对中学习一般表示。在用于后续的目标检测任务时，我们证明了该自监督框架可以将最先进的监督基线的准确性提高5.8%的mAP。 代码可在https://github.com/yiduohao/Radical获取。 Introduction 毫米波（mmWave）雷达因其成本效益高以及在相机和激光雷达在雾霾、烟雾、暴风雪和沙尘暴等恶劣天气条件下失效时仍能正常工作的能力而在自动 ………………………………