D3T：跨越RGB-热红外鸿沟的独特双域教师用于域自适应目标检测
计算机视觉与模式识别
2024-03-15 v1 人工智能
摘要
目标检测的域自适应通常涉及从可见光域到另一个可见光域的知识迁移。然而，从可见光域到热红外域的适应研究有限，因为可见光域和热红外域之间的域差距比预期的要大得多，传统的域自适应在这种情况下无法成功促进学习。为了克服这一挑战，我们提出了一个独特的双域教师（D3T）框架，该框架为每个域采用不同的训练范式。具体来说，我们将源域和目标域训练集分离以构建双教师，并依次将指数移动平均应用于学生模型，以形成每个域的独立教师。该框架进一步结合了双教师之间的锯齿形学习方法，在训练过程中促进从可见光域到热红外域的逐步过渡。我们通过使用著名的热红外数据集（即FLIR和KAIST）新设计的实验协议验证了我们方法的优越性。源代码可在https://github.com/EdwardDo69/D3T获取。
引用
@article{arxiv.2403.09359,
title = {D3T: Distinctive Dual-Domain Teacher Zigzagging Across RGB-Thermal Gap for Domain-Adaptive Object Detection},
author = {Dinh Phat Do and Taehoon Kim and Jaemin Na and Jiwon Kim and Keonho Lee and Kyunghwan Cho and Wonjun Hwang},
journal= {arXiv preprint arXiv:2403.09359},
year = {2024}
}
备注
Accepted by CVPR 2024. Link: https://github.com/EdwardDo69/D3T