面向雾天自动驾驶的领域自适应目标检测
计算机视觉与模式识别
2022-10-28 v1
摘要
大多数面向自动驾驶的目标检测方法通常假设训练数据与测试数据间存在一致的特征分布，但在天气差异显著时情况并非总是如此。由于领域差距，在晴朗天气下训练的目标检测模型在雾天可能不够有效。本文提出了一种面向雾天自动驾驶的新型领域自适应目标检测框架。我们的方法同时利用图像级和目标级适应，以减小图像风格和目标外观上的领域差异。为进一步增强模型在困难样本下的能力，我们还提出了一种新的对抗梯度反转层，以在领域适应的同时对困难样本进行对抗挖掘。此外，我们提出通过数据增强生成辅助领域，以实施新的领域级度量正则化。在公开基准上的实验结果表明了所提方法的有效性和准确性。代码可在 https://github.com/jinlong17/DA-Detect 获取。
引用
@article{arxiv.2210.15176,
title = {Domain Adaptive Object Detection for Autonomous Driving under Foggy Weather},
author = {Jinlong Li and Runsheng Xu and Jin Ma and Qin Zou and Jiaqi Ma and Hongkai Yu},
journal= {arXiv preprint arXiv:2210.15176},
year = {2022}
}
备注
Accepted by WACV2023. Code is available at https://github.com/jinlong17/DA-Detect