工程师用 3 层 MLP 做车载雷达目标分类,Macro F1 达 0.764
bruno_pinto90 · reddit · 2026-09-07
一位雷达信号处理工程师分享了在 RadarScenes 雷达点云上训练 5 类目标分类器(car/largevehicle/twowheeler/pedestrian/pedestriangroup)的完整过程。
- 方法:输入为每扫描 16 bin 直方图,网络为 3 层 MLP,使用类加权交叉熵损失,基于 "Histogram-based Deep Learning for Automotive Radar" 论文,仅用单次扫描。
- 数据难点:类别不平衡(twowheeler 与 largevehicle 样本少)、聚合类别的语义混杂、慢速长轨迹带来的序列偏差导致跨折 F1 方差大。
- 消融发现:更大的 MLP、不同特征编码与直方图分 bin 的影响均小于 train/val/test 划分本身引起的波动(6 折测量);改为 per-instance 统计特征反而略降性能。
- 核心结论:当每个实例的雷达检测点数从 1 增至 5,Macro F1 从 0.381 升至 0.764,稀疏性是最大瓶颈。car 与 pedestrian 表现最好,twowheeler 最差——其速度补偿后的分布与行人重叠,静止/怠速的两轮车几乎不可区分。
- 后续计划:尝试 PointNet 类空间编码、多扫描累积与 micro-Doppler。
完整报告见 GitHub。
「具身」频道最新
- 人形机器人每一步都是连续纠偏：看 demo 要看摔倒后怎么恢复 — Olivier__OG · 2026-10-26
- CircuitHub 发布工厂级机器人 The Grid，美国产 PCB 提速两倍对标深圳 — garrytan · 2026-10-26
- AI 研究员曾预测机器人 2034 年才能跑赢人类，今年已被连续打脸 — ben_j_todd · 2026-10-26
- 上海AI实验室等发布 100 小时可穿戴采集人形机器人训练数据集 — ChuckDBrooks · 2026-10-26
- RealSense D585 Pro AI 3D 深度相机到货开箱，主打 Physical AI — chrismatthieu · 2026-10-26
- 网友晒「物理世界智能体集群」演示,实体 Agent 成群协作 — pduan · 2026-10-26