利用生成对抗网络进行跨域变化检测
计算机视觉与模式识别
2017-12-27 v1
摘要
本文从图像到图像翻译的新视角解决跨域变化检测问题。一般而言，变化检测旨在识别给定查询图像与同一场景在不同时间拍摄的参考图像之间的显著变化。当查询图像与参考图像涉及不同域（例如一天中的时间、天气和季节）时，由于物体外观的变化以及训练样本数量有限，该问题变得具有挑战性。在本研究中，我们通过利用生成对抗网络（GAN）来解决上述问题。我们的核心思想是使用有限的训练数据来训练一个基于GAN的图像翻译器，该翻译器将参考图像映射为一个无法与查询域图像区分的虚拟图像。这使我们能够将跨域变化检测任务视为域内图像比较。这使我们能够利用大量关于域内通用变化检测器的文献。此外，我们还考虑了使用视觉位置识别作为一种在虚拟图像空间中挖掘更合适参考图像的方法。实验验证了所提方法的有效性。
引用
@article{arxiv.1712.08868,
title = {Use of Generative Adversarial Network for Cross-Domain Change Detection},
author = {Yamaguchi Kousuke and Tanaka Kanji and Sugimoto Takuma},
journal= {arXiv preprint arXiv:1712.08868},
year = {2017}
}
备注
5 pages, 4 figures, technical report