elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Incremental Semi-Supervised Learning from Streams for Object Classification

Chiotellis, Ioannis und Zimmermann, Franziska und Cremers, Daniel und Triebel, Rudolph (2018) Incremental Semi-Supervised Learning from Streams for Object Classification. In: 2018 IEEE/RSJ International Conference on Intelligent Robots and Systems, IROS 2018. International Conference on Intelligent Robots and Systems (IROS), 2018-10-01 - 2018-10-05, Madrid, Spain. doi: 10.1109/IROS.2018.8593901. ISBN 978-153868094-0. ISSN 2153-0858.

[img] PDF
809kB

Kurzfassung

The Label Propagation (LP) algorithm, first introduced by Zhu and Ghahramani, is a semi-supervised method used in transductive learning scenarios, where all data are available already in the beginning. In this work, we present a novel extension of the LP algorithm for applications where data samples are observed sequentially - as is the case in autonomous driving. Specifically, our Incremental Label Propagation algorithm efficiently approximates the so called harmonic solution on a nearest-neighbor graph that is regularly updated by new labeled and unlabeled nodes. We achieve this by reformulating the original algorithm based on an active set of nodes and by introducing a threshold to decide whether the label of a given node should be updated or not. Our method can also deal with graphs that are not fully connected, and we give a formal convergence proof for this general case. In experiments on the challenging KITTI benchmark data stream, we show superior performance in terms of both test accuracy and number of required training labels compared to state-of-the-art online learning methods.

elib-URL des Eintrags:https://elib.dlr.de/126183/
Dokumentart:Konferenzbeitrag (Vortrag, Poster)
Zusätzliche Informationen:<a href="https://github.com/johny-c/incremental-label-propagation" target="blank">code</a>
Titel:Incremental Semi-Supervised Learning from Streams for Object Classification
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Chiotellis, IoannisTUMNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Zimmermann, FranziskaNICHT SPEZIFIZIERTNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Cremers, DanielTUMNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Triebel, Rudolphrudolph.triebel (at) dlr.dehttps://orcid.org/0000-0002-7975-036XNICHT SPEZIFIZIERT
Datum:2018
Erschienen in:2018 IEEE/RSJ International Conference on Intelligent Robots and Systems, IROS 2018
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Ja
DOI:10.1109/IROS.2018.8593901
ISSN:2153-0858
ISBN:978-153868094-0
Status:veröffentlicht
Stichwörter:semi-supervised learning, object classification
Veranstaltungstitel:International Conference on Intelligent Robots and Systems (IROS)
Veranstaltungsort:Madrid, Spain
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:1 Oktober 2018
Veranstaltungsende:5 Oktober 2018
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:Technik für Raumfahrtsysteme
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R SY - Technik für Raumfahrtsysteme
DLR - Teilgebiet (Projekt, Vorhaben):R - Vorhaben Multisensorielle Weltmodellierung (alt)
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Institut für Robotik und Mechatronik (ab 2013) > Perzeption und Kognition
Hinterlegt von: Triebel, Rudolph
Hinterlegt am:28 Jan 2019 09:51
Letzte Änderung:09 Jul 2024 14:53

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.