基于 3D 合成数据增强的热红外海上救援远程目标检测系统
计算机视觉与模式识别
2023-11-01 v1
摘要
本文提出一种利用深度学习和数据增强的热红外（TIR）海上救援远程目标检测系统。我们使用 TIR 相机（FLIR）建立了一个自采集的 TIR 数据集，包含模拟人员救援的多种场景。此外，为解决数据集稀缺并提升模型鲁棒性，进一步收集了来自 3D 游戏（ARMA3）的合成数据集以增强数据。然而，合成 TIR 与真实 TIR 图像间存在显著域间隙。因此，恰当的域适应算法对于克服该间隙至关重要。为此，我们提出一种基于生成模型、以目标-背景分离方式从 3D 游戏到真实的域适应算法来解决此问题。此外，为提升信噪比（SNR）并提供弱注意力，提出了一种头部具有固定权重核的分割网络，因为远程 TIR 目标固有地受边界不清所困。实验结果表明，在由翻译后的合成与真实 TIR 数据组成的增强数据上训练的网络，大幅优于仅在真实 TIR 数据上训练的网络。此外，所提分割模型超越了最先进分割方法的性能。
引用
@article{arxiv.2310.20412,
title = {Thermal-Infrared Remote Target Detection System for Maritime Rescue based on Data Augmentation with 3D Synthetic Data},
author = {Sungjin Cheong and Wonho Jung and Yoon Seop Lim and Yong-Hwa Park},
journal= {arXiv preprint arXiv:2310.20412},
year = {2023}
}
备注
12 pages