Self-supervised learning for autonomous vehicles perception: A conciliation between analytical and learning methods - Télécom Paris Accéder directement au contenu
Article Dans Une Revue IEEE Signal Processing Magazine Année : 2021

Self-supervised learning for autonomous vehicles perception: A conciliation between analytical and learning methods

Domaines

Apprentissage [cs.LG] Vision par ordinateur et reconnaissance de formes [cs.CV] Machine Learning [stat.ML] Intelligence artificielle [cs.AI] Robotique [cs.RO]
Fichier principal
Vignette du fichier
chiaroni_et_al_IEEE_SPM_25_01_2020.pdf (2.08 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Florent Chiaroni  : Connectez-vous pour contacter le contributeur

https://hal.science/hal-02302705

Soumis le : samedi 25 janvier 2020-20:55:50

Dernière modification le : jeudi 11 avril 2024-13:08:13

Télécharger pour visualiser

Dates et versions

hal-02302705 , version 1 (01-10-2019)
hal-02302705 , version 2 (25-01-2020)

Identifiants

Citer

Florent Chiaroni, Mohamed-Cherif Rahal, Nicolas Hueber, Frédéric Dufaux. Self-supervised learning for autonomous vehicles perception: A conciliation between analytical and learning methods. IEEE Signal Processing Magazine, 2021, 38 (1), pp.31-41. ⟨10.1109/MSP.2020.2977269⟩. ⟨hal-02302705v2⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

CNRS SUP_LSS SUP_TELECOMS CENTRALESUPELEC INC-CNRS UNIV-PARIS-SACLAY SITE-ALSACE GS-ENGINEERING GS-COMPUTER-SCIENCE HUB-IA
287 Consultations
328 Téléchargements

Altmetric

Partager

Gmail Facebook X LinkedIn More