用于视频烟雾检测的单模型检测器中从合成到现实的领域自适应
计算机视觉与模式识别
2018-11-22 v3
摘要
本文提出了一种使用合成烟雾样本进行视频烟雾检测的方法。虚拟数据可以自动提供精确且丰富的标注样本。然而，真实与合成烟雾样本之间的外观差异会损害烟雾表征的学习。现有研究主要针对从原始标注样本中提取的样本进行自适应。这些方法将目标检测和领域自适应作为两个独立的部分。为了利用丰富的合成样本训练强大的检测器，我们构建了对最先进单模型检测器（SSD和MS-CNN）检测层的自适应。训练过程为端到端阶段。分类、定位和自适应在学习中被结合在一起。在实验中，所提出模型的性能超过了原始基线。同时，我们的结果表明，基于对抗自适应的检测器优于基于差异自适应的检测器。代码将在 http://smoke.ustc.edu.cn 上公开。此外，附录A中描述了两阶段检测器的领域自适应。
引用
@article{arxiv.1709.08142,
title = {Domain Adaptation from Synthesis to Reality in Single-model Detector for Video Smoke Detection},
author = {Gao Xu and Yongming Zhang and Qixing Zhang and Gaohua Lin and Jinjun Wang},
journal= {arXiv preprint arXiv:1709.08142},
year = {2018}
}
备注
The manuscript approved by all authors is our original work, and has submitted to Pattern Recognition for peer review previously. There are 4532 words, 6 figures and 1 table in this manuscript