利用合成图像实现热成像中鲁棒的行人检测
计算机视觉与模式识别
2021-02-04 v1
摘要
本文提出一种利用两阶段改进热域行人检测的方法：首先采用生成式数据增强方法，随后利用生成数据进行域适应以调整 RGB 行人检测器。我们的模型基于最小二乘生成对抗网络（Least-Squares Generative Adversarial Network），经训练将输入 RGB 图像合成为真实的热图像版本，用以增强可用于训练的有限标注热行人图像。我们应用生成式数据增强策略，将预训练的 YOLOv3 行人检测器适应到仅热域检测。实验结果证明了方法的有效性：使用少于 50% 的可用真实热训练数据，并依赖域适应阶段由我们的模型生成的合成数据，我们的检测器在 KAIST 多光谱行人检测基准上取得了最先进结果；即使有更多真实热数据可用，向训练数据中添加 GAN 生成图像也能提升性能，表明这些图像是一种有效的数据增强形式。据我们所知，我们的检测器在 KAIST 上取得了相对于最先进水平的最佳单模态检测结果。
引用
@article{arxiv.2102.02005,
title = {Robust pedestrian detection in thermal imagery using synthesized images},
author = {My Kieu and Lorenzo Berlincioni and Leonardo Galteri and Marco Bertini and Andrew D. Bagdanov and Alberto Del Bimbo},
journal= {arXiv preprint arXiv:2102.02005},
year = {2021}
}
备注
Accepted at ICPR2020