基于图像到图像翻译的数据增强用于鲁棒电动汽车充电口检测
计算机视觉与模式识别
2022-02-04 v2
摘要
本工作解决面向自动驾驶充电机器人的电动汽车（EV）充电口检测任务。近来，自动化电动汽车充电系统受到极大关注，以改善用户体验并高效利用充电基础设施与停车场。然而，多数相关工作聚焦于系统设计、机器人控制、规划与操作。为实现鲁棒的EV充电口检测，我们提出一个新数据集（EVCI数据集）以及一种基于图像到图像翻译的新颖数据增强方法，其中典型的图像到图像翻译方法在给定一幅图像时合成一个不同域中的新图像。据我们所知，EVCI数据集是首个EV充电口数据集。对于数据增强方法，我们侧重于能够以直观方式控制合成图像的采集环境（例如时间、光照）。为此，我们首先提出人类可直观理解的环境引导向量。接着我们提出一种新颖的图像到图像翻译网络，将给定图像向该向量所描述的环境进行翻译。相应地，其旨在合成一幅与给定图像内容相同、但看起来如同由环境引导向量所提供的环境中采集的新图像。最后，我们使用增强后的数据集训练一种检测方法。通过在EVCI数据集上的实验，我们证明了所提方法优于当前最优（SOTA）方法。我们还展示了所提方法能够利用一幅图像与环境引导向量控制合成图像。
引用
@article{arxiv.2112.05290,
title = {Image-to-Image Translation-based Data Augmentation for Robust EV Charging Inlet Detection},
author = {Yeonjun Bang and Yeejin Lee and Byeongkeun Kang},
journal= {arXiv preprint arXiv:2112.05290},
year = {2022}
}
备注
8 pages