DoubleAUG：基于颜色扰动与双风格记忆的城市场景单域泛化目标检测器
计算机视觉与模式识别
2023-11-23 v1
摘要
城市场景中的目标检测对于智能交通系统中的自动驾驶至关重要。然而，不同于常规目标检测任务，城市场景图像在风格上差异巨大。例如，晴天拍摄的图像与雨天拍摄的图像显著不同。因此，在晴天图像上训练的模型可能无法很好地泛化至雨天图像。在本文中，我们旨在解决城市场景中的单域可泛化目标检测任务，即在一个天气条件下图像上训练的模型应能在任何其他天气条件图像上表现良好。为应对此挑战，我们提出了一种新颖的双重增强（DoubleAUG）方法，包含图像级与特征级增强方案。在图像级增强中，我们考虑不同天气条件下颜色信息的变化，提出一种颜色扰动（CP）方法，随机交换 RGB 通道以生成多样图像。在特征级增强中，我们提出利用双风格记忆（DSM）探索整个数据集上的多样风格信息，进一步增强模型泛化能力。大量实验表明，我们所提方法优于最先进的方法。此外，消融研究证实了所提方法中各模块的有效性。而且，我们的方法是即插即用的，可集成至现有方法中以进一步提升模型性能。
引用
@article{arxiv.2311.13198,
title = {DoubleAUG: Single-domain Generalized Object Detector in Urban via Color Perturbation and Dual-style Memory},
author = {Lei Qi and Peng Dong and Tan Xiong and Hui Xue and Xin Geng},
journal= {arXiv preprint arXiv:2311.13198},
year = {2023}
}
备注
Accepted by ACM Transactions on Multimedia Computing, Communications, and Applications