面向域泛化水下目标检测的域相似度感知标签分配
计算机视觉与模式识别
2024-01-12 v1 人工智能
摘要
水体的固有特性和光波动导致水下环境中不同层和区域之间存在巨大差异。当测试集采集自与训练集不同的海域时，会出现域偏移问题，严重损害模型的泛化能力。域对抗学习（DAL）训练策略先前已被用于应对此类挑战。然而，DAL严重依赖于手动独热域标签，这意味着同一域中的样本之间没有差异。这种假设导致DAL的不稳定性。本文引入了域相似度感知标签分配（DSP）的概念。每张图像的域标签被视为其与指定域的相似度。通过特定域的数据增强技术，我们在水下跨域目标检测基准S-UODAC2020上取得了最先进的结果。此外，我们在Cityscapes数据集上验证了我们方法的有效性。
引用
@article{arxiv.2401.05401,
title = {Domain Similarity-Perceived Label Assignment for Domain Generalized Underwater Object Detection},
author = {Xisheng Li and Wei Li and Pinhao Song and Mingjun Zhang and Jie Zhou},
journal= {arXiv preprint arXiv:2401.05401},
year = {2024}
}
备注
10 pages,7 figures