使用自适应阶梯程序评估空间和时空触觉工作记忆 Nashmin Yeganeh, Ivan Makarov, Runar Unnthorsson, árni Kristjánsson

《Sensors》：Assessing Spatial and Spatiotemporal Tactile Working Memory Using Adaptive Staircase Procedures Nashmin Yeganeh, Ivan Makarov, Runar Unnthorsson and árni Kristjánsson

　　

摘要

随着自动驾驶技术的进步，自动驾驶车辆在城市环境中的部署正在迅速增加。镜头光晕——在物体检测研究中经常被忽视的一种光学现象——可能会导致误报率增加或检测遗漏，尤其是在自动驾驶所面临的复杂条件下。现有的缓解方法往往不适合实时应用。本文提出了一种利用轻量级镜头光晕感知网络来减轻其不良影响的解决方案，无需额外的硬件或复杂的图像预处理。具体来说，我们提出了一个无需参考模型的方法，该模型结合了ResNet18骨干网络和轻量级的多层感知器（MLP）来提取和利用镜头光晕信息。该模型是通过一个师生框架开发的，该框架基于使用“学习感知图像块相似性”（LPIPS）指标优化的端到端参考模型进行改进的。实验表明，结合镜头光晕信息显著提升了基线物体检测网络的性能，其性能远超之前的缓解方法。所提出的方法可以无缝集成到现有的物体检测器中，并且只需要高效的训练过程，从而便于在实际的自动驾驶任务中应用。