利用域标签削弱无人机目标检测中的域偏差
计算机视觉与模式识别
2021-10-19 v2 机器学习
摘要
基于无人机（UAVs）的目标检测在许多空中视觉应用中具有重要意义。尽管通用目标检测方法取得了巨大成功，但当应用于无人机捕获的图像时，观察到显著的性能下降。这是由于成像条件的巨大变化，例如不同的高度、动态变化的视角以及不同的捕获时间。这些变化导致域不平衡，从而使训练模型遭受域偏差。我们证明域知识是有价值的信息来源，因此提出利用可自由获取的传感器数据的域感知目标检测器。通过将模型拆分为跨域与域特定部分，在不改变架构的情况下，于多个数据集、各类模型与指标上实现了大幅性能提升。特别地，我们在 UAVDT 上针对嵌入式实时检测器取得了新的 SOTA 性能。此外，我们通过标注 2,900 张图像中的 13,713 个目标创建了一个新的机载图像数据集，其带有精确的高度与视角标注。
引用
@article{arxiv.2101.12677,
title = {Diminishing Domain Bias by Leveraging Domain Labels in Object Detection on UAVs},
author = {Benjamin Kiefer and Martin Messmer and Andreas Zell},
journal= {arXiv preprint arXiv:2101.12677},
year = {2021}
}
备注
Accepted for publication at ICAR 2021