基于先验的域自适应目标检测用于雾雨条件
计算机视觉与模式识别
2020-07-16 v3
摘要
雾霾和降雨等恶劣天气条件会降低所捕获图像的质量，导致在清晰图像上训练的检测网络在这些图像上表现不佳。为解决此问题，我们提出一种无监督的基于先验的域对抗目标检测框架，用于将检测器适配至雾天和雨天条件。具体而言，我们利用基于图像形成原理获得的天气特定先验知识来定义一种新的先验对抗损失。用于训练适配过程的先验对抗损失旨在减少特征中的天气特定信息，从而减轻天气对检测性能的影响。此外，我们在目标检测流程中引入一组残差特征恢复模块以去扭曲特征空间，带来进一步改进。在多个雾雨条件数据集（Foggy-Cityscapes、Rainy-Cityscapes、RTTS 和 UFDD）上的评估证明了所提方法的有效性。
引用
@article{arxiv.1912.00070,
title = {Prior-based Domain Adaptive Object Detection for Hazy and Rainy Conditions},
author = {Vishwanath A. Sindagi and Poojan Oza and Rajeev Yasarla and Vishal M. Patel},
journal= {arXiv preprint arXiv:1912.00070},
year = {2020}
}
备注
Accepted at ECCV 2020