You Only Crash Once v2：面向星际 terrain 检测的感知一致强特征的一阶段域适应检测
计算机视觉与模式识别
2025-01-24 v1 人工智能
机器学习
机器人学
摘要
原位检测行星、月球及小天体表面 terrain 是实现自主航天器应用的关键任务，其中学习式计算机视觉方法日益受到关注，以实现无需先验信息或人工干预的智能化。然而，这些方法往往计算昂贵，难以在航天器处理器上实现实时运行。算法训练也面临标注数据稀缺和依赖监督学习方法的复杂性挑战。无监督域适应 (UDA) 提供了可行方案，借助仿真或合成场景等不同数据源进行模型训练，但在天体环境中应用UDA困难，因其特征空间极具挑战性。为缓解此类问题，You Only Crash Once (YOCOv1) 研究了将基于视觉相似性对齐 (VSA) 集成到轻量级一阶段目标检测架构中，以提升星际 terrain UDA性能。虽已证明有效，但该方法面临性能在多类目标和高海拔场景中下降的显著局限。基于YOCOv1的基础上，我们提出了若干新方案，增强了在UDA环境下的 terrain 检测能力。本研究的第二版YOCO (YOCOv2) 在表面 terrain 检测的UDA性能方面达到最前沿，其中在YOCOv1和陆基最先进方法上实现了31%以上的提升。我们展示了YOCOv2在航天器硬件性能基准测试和对NASA任务数据的定性评估中的实际实用性。
关键词
引用
@article{arxiv.2501.13725,
title = {You Only Crash Once v2: Perceptually Consistent Strong Features for One-Stage Domain Adaptive Detection of Space Terrain},
author = {Timothy Chase and Christopher Wilson and Karthik Dantu},
journal= {arXiv preprint arXiv:2501.13725},
year = {2025}
}