微型飞行器的域自适应检测：基准与噪声抑制网络
机器人学
2024-03-26 v1 计算机视觉与模式识别
摘要
微型飞行机行器（MAVs）的视觉检测因其在各种任务中的重要应用而近年来受到越来越多的关注。现有的 MAV 检测方法假设训练集和测试集具有相同的分布。因此，当部署到新领域时，检测器会因领域差异而出现显著的性能下降。在本文中，我们研究了跨域 MAV 检测问题。本文的贡献有三方面。1) 我们提出了一个由仿真图像和真实图像组成的多微型飞行器-多域（M3D）数据集。与现有的其他数据集相比，所提出的数据集在涵盖丰富场景、多样 MAV 类型和各种视角方面更为全面。基于所提出的数据集，提出了一种新的跨域 MAV 检测基准。2) 我们提出了一种基于伪标签框架和由大到小训练过程的噪声抑制网络（NSN）。为了减少具有挑战性的伪标签噪声，该网络设计了两个新模块。第一个是基于先验的课程学习模块，用于为不同难度的伪标签分配自适应阈值。第二个是掩码复制粘贴增强模块，用于将带有真实标签的 MAV 粘贴到无标签的目标图像上，从而减少伪标签噪声。3) 大量实验结果验证了所提出的方法相比最先进方法的优越性能。特别地，它在仿真到真实、跨场景和跨相机自适应任务上分别实现了 46.9%(+5.8%)、50.5%(+3.7%) 和 61.5%(+11.3%) 的 mAP。
引用
@article{arxiv.2403.16669,
title = {Domain Adaptive Detection of MAVs: A Benchmark and Noise Suppression Network},
author = {Yin Zhang and Jinhong Deng and Peidong Liu and Wen Li and Shiyu Zhao},
journal= {arXiv preprint arXiv:2403.16669},
year = {2024}
}
备注
17 pages, 11 figures. Accepted by IEEE Transactions on Automation Science and Engineering