TRAINING A CLASSIFIER TO DETECT OPEN VEHICLE DOORS

Methods, systems, and apparatus, including computer programs encoded on computer storage media, for training a classifier to detect open vehicle doors. One of the methods includes obtaining a plurality of initial training examples, each initial training example comprising (i) a sensor sample from a collection of sensor samples and (ii) data classifying the sensor sample as characterizing a vehicle that has an open door; generating a plurality of additional training examples, comprising, for each initial training example: identifying, from the collection of sensor samples, one or more additional sensor samples that were captured less than a threshold amount of time before the sensor sample in the initial training example was captured; and training the machine learning classifier on first training data that includes the initial training examples and the additional training examples to generate updated weights for the machine learning classifier. L'invention concerne des procédés, des systèmes et un appareil, comprenant des programmes informatiques codés sur des supports de stockage informatiques, destinés à former un classificateur à détecter des portières ouvertes de véhicule. L'un de ces procédés comprend les étapes consistant à : obtenir une pluralité d'exemples de formation initiale, chaque exemple de formation initiale comportant (i) un échantillon de capteur provenant d'une collection d'échantillons de capteur et (ii) des données de classification d'échantillons de capteur en tant qu'elles caractérisent un véhicule dont une portière est ouverte ; générer une pluralité d'exemples de formation supplémentaire ; pour chaque chaque exemple de formation initiale : identifier, à partir de la collection d'échantillons de capteur, au moins un échantillon supplémentaire de capteur qui a été capturé moins d'une période de temps seuil avant que l'échantillon de capteur de l'exemple d'apprentissage initial ne soit capturé ; et former le classificateur d'apprentissage automatique sur des premières données de formation qui comprennent les exemples de formation initiale et les exemples de formation supplémentaire pour générer des poids mis à jour destinés au classificateur d'apprentissage automatique.