结合照片级真实感图像生成的车辆类别与朝向检测两阶段模型
计算机视觉与模式识别
2025-06-03 v1
摘要
我们旨在通过使用合成数据训练模型来检测车辆的类别和朝向。然而，训练数据中类别的分布是不平衡的，并且在合成图像上训练的模型难以在真实世界图像中进行预测。为了解决这个问题，我们提出了一种结合照片级真实感图像生成的两阶段检测模型。我们的模型主要通过四个步骤来检测车辆的类别和朝向。(1) 构建一个包含图像中物体的图像、类别和位置信息的表格；(2) 将合成图像转换为真实世界图像风格，并将它们合并到元表中；(3) 使用元表中的图像对车辆类别和朝向进行分类；(4) 最后，通过结合预先提取的位置信息和预测的类别来检测车辆类别和朝向。凭借我们的方法，我们在 IEEE BigData Challenge 2022 车辆类别与朝向检测（VOD）中获得了第 4 名。
引用
@article{arxiv.2506.01338,
title = {A 2-Stage Model for Vehicle Class and Orientation Detection with Photo-Realistic Image Generation},
author = {Youngmin Kim and Donghwa Kang and Hyeongboo Baek},
journal= {arXiv preprint arXiv:2506.01338},
year = {2025}
}
备注
Accepted to IEEE BigData Conference 2022