ICASSP 2023 | MCROOD: MULTI-CLASS RADAR OUT-OF-DISTRIBUTION DETECTION
ICASSP 2023 | MCROOD: MULTI-CLASS RADAR OUT-OF-DISTRIBUTION DETECTION
wireless perception paper reading notes: ICASSP 2023, MCROOD: MULTI-CLASS RADAR OOD DETECTION
Abstract
0.25 page
目标 * 针对雷达range-doppler images (RDI) 的OOD检测
贡献 *
开发了一种以reconstruction为基础的多类out-of-distribution检测系统，并将其应用于毫米波雷达图像分类中
🚩 目标是将除坐着、站立或行走的人之外的任何运动目标识别为OOD *
提出了呼吸检测器(RESPD)来检测人体轻微运动,如呼吸
🚩 以简化OOD检测难度
实验 * 在 来自60GHz短程FMCW雷达收集的数据集中 对 坐姿、立姿以及行进态三种姿态进行了OOD评估 ，实验结果表明，在这三个姿态上的 AUROC分别为97.45%、92.13%和96.58% 。与现有最优方法（SOTA）相比，在所有关键指标上均表现优异，并且计算效率提升了约 24倍以上 。
1 Introduction
0.75 page
- 分布外检测 (OOD) 在雷达感知中也具有重要意义或扮演关键角色。
-
本研究主要采用了60GHz雷达技术进行分析。
- 目标是完成非静止人体运动物体识别任务。
-
贡献 *
-
提出MCROOD架构进行迁移检测
✅ 包含自动编码器和多个解码器
✅ 使用多阈值算法
提出RESPD预处理技术 ,使用多个连续帧捕捉呼吸等微动,简化检测
在数据集上,对坐、站、行三类,AUROC分别达到97.45%、92.13%、96.58%
MCROOD在指标和速度上优于SOTA方法，消融实验表明RESPD的重要性
2 Related Work
0.5 page
-
OOD检测的主要手段包括事后检测法(Post-hoc)、基于距离的方法(Distance-based)以及OE检测法(Outlier Exposure)。
-
事后检测法可应用于任意预训练模型（如MSP与ODIN）。
-
基于距离的方法通过计算样本间距离来识别OOD样本（例如马氏距离）。
-
OE检测法则是在模型的训练过程中引入潜在的OOD样本。
-
基于相关雷达数据, OOD检测研究仍相对有限. 当前研究主要集中在合成数据集上.
-
本文则在真实雷达数据上开展OOD检测, 并采用自动编码器进行重构, 将判定重构误差较大的样本为OOD.
3 Radar Configuration & Pre0processing
0.3 page
硬件 * Infineon BGT60TR13C
* 60GHz L形FMCW雷达
配置
预处理流程
- 首先执行距离的快速傅里叶变换
- 使用MTI处理去除静态目标
- 接着进行多普勒的快速傅里叶变换
- 呼吸检测器(RESPD)：用于RDI中进行累积计算，每50帧（即2.5秒）
4 Problem Statement & MCROOD
1 page
- MCROOD用于检测OOD样本
鲁棒性好、效果好：
4.1 Architecture and Training
-
系统性地提出MCROOD体系结构进行有序输出分布（OOD）检测
-
该架构采用了自动编码器与多组解码器模块相结合的方式
-
每个解码器模块负责管理一个独立的输出通道
-
该方法采用了均方误差（MSE）作为损失函数来优化模型性能
- 训练 * 编码器同时encode多个class
- 每个解码器只解码自己负责的类
- 训练 * 编码器同时encode多个class
4.2 OOD Detection
- 推导 输入编码层,供各解码器处理
- 评估输入与输出的MSE
- 根据MSE阈值判断OOD
5 Experiment
1 page
- 实验平台
- NVIDIA GeForce RTX 3070 GPU
- Intel Core i7-11800H CPU
- 32GB DDR4 RAM
5.1. Dataset and Evaluation Metr
-
Infineon BGT60TR13C 60GHz FMCW雷达
-
收集环境： * 16个房间(10个用于训练,6个用于推理)
-
数据集 * 被分为分布内样本与OOD类别
- 分布内样本：行走、坐着和站立的实例
- OOD样本：包括电风扇、遥控小车以及摇晃的植物等物品
- 其中内部样本共有^{*} 1, ¹¹⁴¹⁶ 帧
- 推理时: 在推理过程中采用了^{*} 47,2₁₀ 帧来自分布内的样本数据以及约^{*} ₁₆,₀₅₀ 帧来自OOD测试集的数据
- 距离范围：测量范围设定为距机器人一米至五米之间。
5.2 Ablation
验证RESPD的作用
Conclusion
0.2 page
提出了MCROOD和RESPD *
MCROOD：采用新颖的一编码器多解码器结构
🚩 因其模块化特性,可以适用于任意数量的内部类别
RESPD：简便高效的预处理手段,旨在用于检测人体微小的呼吸运动
在毫米波雷达数据上达到了高效精准的OOD检测能力；针对坐着、站立和行走这三个动作类别实施了OOD检测，并获得了97.45%（坐着）、92.13%（站立）、96.58%（行走）的AUROC。