- 主题:端到端优势体现得太明显了
按我个人对黑箱模型的理解，
端到端的问题就是容易到一个90%完成度的位置，但再往上就上不去了。
因为一个场景除了错误，他的解决办法就是加大这个场景的数据的权重（数量），再训练一遍模型。
但是因为降低了别的场景的权重，可能导致别的场景又出问题。
【 在 wangstone 的大作中提到: 】
: 光明汽车的智驾模型已经基本上两周一推送了，每次都迭代20多个版本
: 目前已经600CLIPS了。最新版表现极牛
: 真的是日新月异。码农写代码是赶不上的。
: ...................
--
FROM 218.247.161.*
对于端到端模型，只要你能数据化，什么视频流还是点云图，丢进去都是一样能学习
【 在 ruige0822 的大作中提到: 】
: 视频流采集，那激光雷达怎么有视频流，全是点云图。
: 激光雷达就冗余，用来区分高低配车型的
--
FROM 218.247.161.*
哥们，你说说看，什么数据不能用来训练啊
【 在 ruige0822 的大作中提到: 】
: 点云图也能训练 牛B
--
FROM 218.247.161.*
人工智能的问题都一样
对于输入样本外的场景，不会处理
【 在 ddle 的大作中提到: 】
: e2e的问题是问题出的超预期
: 可能在驾驶员意想不到的非常正常的情况下来一下子不正常
--
FROM 218.247.161.*
不是端到端吗？
你管黑箱模型怎么处理呢
【 在 ruige0822 的大作中提到: 】
: 点云图特征提取怎么提取？标注怎么标注啊？
--
FROM 218.247.161.*
激光雷达的返回数据原来是个图片吗？
难道不是距离吗？
把雷达当成摄像头用，那可不是像素感人吗
【 在 ruige0822 的大作中提到: 】
: 理论是可以 但这画质真感人
--
FROM 218.247.161.*