计算机科学>计算机视觉和模式识别
职务: 雾天自动驾驶的区域自适应目标检测
摘要: 大多数用于自动驾驶的目标检测方法通常假设训练数据和测试数据之间的特征分布一致,但当天气差异显著时,情况并非总是如此。 在晴朗天气下训练的目标检测模型在多雾天气下可能因域间隙而不够有效。 本文提出了一种新的雾天自动驾驶领域自适应目标检测框架。 我们的方法利用图像级和对象级自适应来减少图像样式和对象外观的领域差异。 为了进一步增强模型在具有挑战性的样本下的能力,我们还提出了一个新的对抗性梯度反转层,用于对硬样本进行对抗性挖掘和领域自适应。 此外,我们建议通过数据增强生成一个辅助域,以实施新的域级度量正则化。 在公共基准上的实验结果表明了该方法的有效性和准确性。 代码可在 此https URL .