通过特征对齐和图像质量评估进行跨域行人检测
Jun Yao1, Zhilin Guo1, JunJie Yu1
1The Engineering&Technical College of Chengdu University of Technology, Xiaoba Road, Leshan 614000, China.
iScience
|April 16, 2024
概括
本研究介绍了一种无人监督的行人检测方法,以解决域移动问题. 通过使用CycleGAN和对抗式学习,该方法有效地将模型适应新数据集,提高在不同条件下检测性能.
科学领域:
- 计算机视觉 计算机视觉
- 机器学习 机器学习
- 人工智能的人工智能
背景情况:
- 由于传感器,视角或天气的变化造成的计算机视觉的域移动,显著降低了模型性能.
- 在一个领域 (例如,特定的天气条件) 训练的模型经常在应用到不同的领域 (例如,不同的天气条件) 时失败.
研究的目的:
- 提出一种无人监督的行人检测方法,有效地克服域移动问题.
- 为了减少在源域训练的模型和应用于目标域的模型之间的性能差距.
主要方法:
- 使用CycleGAN创建一个中间域,将一个大的域移动问题转化为更小,更容易管理的子任务.
- 采用对抗式学习来实现跨域的功能对齐.
- 整合图像质量评估 (IQA) 以提高中间领域模型的培训质量.
主要成果:
- 在两个BDD100K跨域情景中,在Citypersons上达到24.58%,在KITTI上达到33.66%,在BDD100K跨域情景中达到28.27%和28.25%的平均回忆率 (MR).
- 与典型的行人检测模型相比,在克服域移位问题方面表现出卓越的性能.
结论:
- 拟议的无监督方法有效地减轻了行人检测领域的转移.
- 该方法取得了竞争力的结果,并为跨领域的行人检测任务提供了强大的解决方案.
