热红外目标跟踪的渐进式域适应
计算机视觉与模式识别
2024-09-04 v2
摘要
由于缺乏大规模标注的热红外（TIR）训练数据集，现有大多数TIR跟踪器直接在RGB数据集上进行训练。然是，训练于RGB数据集的跟踪方法由于域迁移问题，在TIR数据上会出现显著的性能下降。为此，本文提出一种用于TIR跟踪的渐进式域适应框架（PDAT），将RGB跟踪学习到的有用知识传递到TIR跟踪中。该框架在无需为大规模TIR数据进行耗时且费力的标注的情况下，充分利用大规模标注的RGB数据集。具体而言，我们首先提出一种基于对抗的全局域适应模块，以粗糙方式减少特征层面的域差异。随后，我们设计一种基于聚类的子域适应方法，以更精细的方式对齐RGB和TIR数据集的特征分布。这两个域适应模块逐渐消除两个域之间的差异，从而通过渐进式训练学习到域无关的细粒度特征。此外，我们收集了一个规模为148万张无标注TIR图像的数据集，用于训练所提出的域适应框架。实验结果表明，在五个TIR跟踪基准测试数据集上，该方法实现了近6%的成功率，显示其有效性。
引用
@article{arxiv.2407.19430,
title = {Progressive Domain Adaptation for Thermal Infrared Object Tracking},
author = {Qiao Li and Kanlun Tan and Qiao Liu and Di Yuan and Xin Li and Yunpeng Liu},
journal= {arXiv preprint arXiv:2407.19430},
year = {2024}
}
备注
10 pages, 8 figures