揭示域效应：视觉复原如何助力水下场景中的目标检测
计算机视觉与模式识别
2020-03-05 v1
摘要
水下机器人感知通常需要视觉复原与目标检测，二者均已被研究多年。同时，数据域对现代数据驱动的学习过程有巨大影响。然而，确切指明域效应、即复原与检测之间的关系仍不清楚。在本文中，我们一般地研究了质量多样的数据域与检测性能之间的关系。同时，我们揭示了视觉复原如何助力真实世界水下场景中的目标检测。根据我们的分析，报告了五项关键发现：1) 域质量对域内卷积表示与检测精度的影响可忽略；2) 低质量域在跨域检测中带来更高的泛化能力；3) 低质量域在域混合学习过程中几乎无法被很好地学习；4) 复原降低了召回效率，无法改善域内检测精度；5) 视觉复原通过减小训练数据与真实世界场景间的域偏移，有益于野外检测。最后，作为一个说明性示例，我们利用一台水下机器人成功完成了水下目标检测。
引用
@article{arxiv.2003.01913,
title = {Reveal of Domain Effect: How Visual Restoration Contributes to Object Detection in Aquatic Scenes},
author = {Xingyu Chen and Yue Lu and Zhengxing Wu and Junzhi Yu and Li Wen},
journal= {arXiv preprint arXiv:2003.01913},
year = {2020}
}