合作学生：在夜间目标检测中导航无监督域适应
计算机视觉与模式识别
2025-07-08 v4
摘要
无监督域适应（UDA）在良好光照条件下的目标检测中取得了显著进展；然而，其在低可见度场景（尤其是夜间）中的性能显著下降，这不仅对其在低信噪比条件下的适应性构成挑战，也对自动驾驶车辆的可靠性和效率构成挑战。为了解决这个问题，我们提出了一个合作学生（CoS）框架，该框架创新性地采用全局-局部变换（GLT）和基于代理的目标一致性（PTC）机制，有效捕捉白天和夜间场景中的空间一致性，从而弥合跨上下文的显著域偏移。在此基础上，我们进一步设计了一个自适应IoU感知阈值（AIT）模块，逐步避免忽略潜在的真阳性，并丰富目标域中的潜在信息。大量实验表明，CoS在低可见度条件下显著增强了UDA性能，并超越了当前最先进的技术，在BDD100K、SHIFT和ACDC数据集上分别实现了3.0%、1.9%和2.5%的mAP提升。代码可在https://github.com/jichengyuan/Cooperitive_Students获取。
引用
@article{arxiv.2404.01988,
title = {Cooperative Students: Navigating Unsupervised Domain Adaptation in Nighttime Object Detection},
author = {Jicheng Yuan and Anh Le-Tuan and Manfred Hauswirth and Danh Le-Phuoc},
journal= {arXiv preprint arXiv:2404.01988},
year = {2025}
}
备注
Code is available at https://github.com/jichengyuan/Cooperitive_Students