論文の概要: An Unsupervised Domain Adaptive Approach for Multimodal 2D Object
Detection in Adverse Weather Conditions
- arxiv url: http://arxiv.org/abs/2203.03568v1
- Date: Mon, 7 Mar 2022 18:10:40 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-08 17:13:05.284749
- Title: An Unsupervised Domain Adaptive Approach for Multimodal 2D Object
Detection in Adverse Weather Conditions
- Title（参考訳）: 逆気象条件下でのマルチモーダル2次元物体検出のための教師なし領域適応手法
- Authors: George Eskandar, Robert A. Marsden, Pavithran Pandiyan, Mario
D\"obler, Karim Guirguis and Bin Yang
- Abstract要約: 本稿では、ソースとターゲットドメイン間のドメインギャップを埋めるために、教師なしのドメイン適応フレームワークを提案する。
天候の歪みをシミュレートするデータ拡張方式を用いて、ドメインの混乱を増し、ソースデータへの過度な適合を防止する。
DENSEデータセットで行った実験は、我々の手法がドメインギャップを大幅に軽減できることを示している。
- 参考スコア（独自算出の注目度）: 5.217255784808035
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Integrating different representations from complementary sensing modalities
is crucial for robust scene interpretation in autonomous driving. While deep
learning architectures that fuse vision and range data for 2D object detection
have thrived in recent years, the corresponding modalities can degrade in
adverse weather or lighting conditions, ultimately leading to a drop in
performance. Although domain adaptation methods attempt to bridge the domain
gap between source and target domains, they do not readily extend to
heterogeneous data distributions. In this work, we propose an unsupervised
domain adaptation framework, which adapts a 2D object detector for RGB and
lidar sensors to one or more target domains featuring adverse weather
conditions. Our proposed approach consists of three components. First, a data
augmentation scheme that simulates weather distortions is devised to add domain
confusion and prevent overfitting on the source data. Second, to promote
cross-domain foreground object alignment, we leverage the complementary
features of multiple modalities through a multi-scale entropy-weighted domain
discriminator. Finally, we use carefully designed pretext tasks to learn a more
robust representation of the target domain data. Experiments performed on the
DENSE dataset show that our method can substantially alleviate the domain gap
under the single-target domain adaptation (STDA) setting and the less explored
yet more general multi-target domain adaptation (MTDA) setting.
- Abstract（参考訳）: 補完的なセンシングモダリティから異なる表現を統合することは、自律運転におけるロバストなシーン解釈に不可欠である。
2次元物体検出のための視覚と射程データを融合するディープラーニングアーキテクチャは近年発展してきているが、悪天候や照明条件で対応するモダリティは低下し、最終的には性能が低下する。
ドメイン適応法は、ソースとターゲットドメイン間のドメインギャップを埋めようとするが、不均一なデータ分布に容易に拡張することはできない。
本研究では,rgbおよびlidarセンサ用の2次元物体検出器を,気象条件が悪くなる1つ以上の対象領域に適用する,教師なし領域適応フレームワークを提案する。
提案手法は3つの成分からなる。
まず、気象歪みをシミュレートするデータ拡張スキームを考案し、ドメインの混乱を追加し、ソースデータへの過剰フィットを防止する。
第2に,クロスドメインフォアグラウンドオブジェクトアライメントを促進するため,マルチスケールエントロピー重み付きドメイン判別器を用いて,複数のモダリティの相補的特徴を活用する。
最後に、慎重に設計されたプリテキストタスクを使用して、ターゲットドメインデータのより堅牢な表現を学びます。
高密度データセットを用いた実験では,stda(single-target domain adaptation)とmtda(general multi-target domain adaptation)設定における領域ギャップを実質的に軽減できることを示した。
関連論文リスト
- A Pairwise DomMix Attentive Adversarial Network for Unsupervised Domain Adaptive Object Detection [18.67853854539245]
教師なしドメイン適応オブジェクト検出(DAOD)は、ソースドメインでトレーニングされたモデルを未ラベルのターゲットドメインに適応させ、オブジェクト検出を行う。
本稿では,上記の課題を軽減するために,Domain Mixup (DomMix) モジュールを用いた対角対向ネットワークを提案する。
論文 参考訳（メタデータ） (2024-07-03T06:25:20Z) - Semi Supervised Heterogeneous Domain Adaptation via Disentanglement and Pseudo-Labelling [4.33404822906643]
半教師付きドメイン適応法は、ソースラベル付きドメインからの情報を利用して、少ないラベル付きターゲットドメインを一般化する。
このような設定は半教師付き不均質ドメイン適応(SSHDA)と表記される。
SHEDD(Semi-supervised Heterogeneous Domain Adaptation via Disentanglement)は,対象ドメインの学習に適したエンドツーエンドのニューラルネットワークフレームワークである。
論文 参考訳（メタデータ） (2024-06-20T08:02:49Z) - Enhancing Visual Domain Adaptation with Source Preparation [5.287588907230967]
ドメイン適応技術は、ソースドメイン自体の特性を考慮できません。
本稿では,ソース領域バイアスを軽減する手法であるソース準備(SP)を提案する。
また,ベースライン上のmIoUでは最大40.64%の改善が見られた。
論文 参考訳（メタデータ） (2023-06-16T18:56:44Z) - MEnsA: Mix-up Ensemble Average for Unsupervised Multi Target Domain
Adaptation on 3D Point Clouds [9.568577396815602]
Unlabelled Domain adaptation (UDA) は、教師なしターゲットドメインとラベル付きソースドメインの間の分散シフトの問題に対処する。
我々は,すべてのドメインの特徴表現を混合して,アンサンブル平均によるドメイン適応性能を向上させることを提案する。
混合表現では、ドメイン分類器を用いて、ソースドメインの特徴表現を、共有潜在空間における対象ドメインの特徴表現と区別する。
論文 参考訳（メタデータ） (2023-04-04T06:13:33Z) - Cross-Modality Domain Adaptation for Freespace Detection: A Simple yet
Effective Baseline [21.197212665408262]
フリースペース検出は、カメラが捉えた画像の各ピクセルを、ドライビング可能または非駆動可能と分類することを目的としている。
我々はRGB画像と深度画像から生成された表面正規写像の両方を利用するクロスモダリティ領域適応フレームワークを開発した。
ソースドメイン(合成データ)とターゲットドメイン(実世界のデータ)のドメインギャップを埋めるため、選択的特徴アライメント(SFA)モジュールも提案する。
論文 参考訳（メタデータ） (2022-10-06T15:31:49Z) - Decompose to Adapt: Cross-domain Object Detection via Feature
Disentanglement [79.2994130944482]
本研究では,DDF(Domain Disentanglement Faster-RCNN)を設計し,タスク学習のための特徴のソース固有情報を排除した。
DDF法は,グローバルトリプルト・ディアンタングルメント(GTD)モジュールとインスタンス類似性・ディアンタングルメント(ISD)モジュールを用いて,グローバルおよびローカルステージでの機能ディアンタングルを容易にする。
提案手法は,4つのUDAオブジェクト検出タスクにおいて最先端の手法より優れており,広い適用性で有効であることが実証された。
論文 参考訳（メタデータ） (2022-01-06T05:43:01Z) - Frequency Spectrum Augmentation Consistency for Domain Adaptive Object
Detection [107.52026281057343]
周波数スペクトル拡張整合(FSAC)フレームワークを4種類の低周波フィルタで構成する。
最初の段階では、オリジナルおよび拡張されたソースデータを全て利用して、オブジェクト検出器を訓練する。
第2段階では、予測一貫性のための自己学習を行うために、擬似ラベル付き拡張現実とターゲットデータを採用する。
論文 参考訳（メタデータ） (2021-12-16T04:07:01Z) - Stagewise Unsupervised Domain Adaptation with Adversarial Self-Training
for Road Segmentation of Remote Sensing Images [93.50240389540252]
リモートセンシング画像からの道路セグメンテーションは、幅広い応用可能性を持つ課題である。
本稿では,この領域における領域シフト(DS)問題に対処するため,RoadDAと呼ばれる新たな段階的ドメイン適応モデルを提案する。
2つのベンチマーク実験の結果、RoadDAはドメインギャップを効率的に減らし、最先端の手法より優れていることが示された。
論文 参考訳（メタデータ） (2021-08-28T09:29:14Z) - Unsupervised Domain Adaptive 3D Detection with Multi-Level Consistency [90.71745178767203]
ディープラーニングに基づく3Dオブジェクト検出は、大規模な自律走行データセットの出現によって、前例のない成功を収めた。
既存の3Dドメイン適応検出手法は、しばしばターゲットのドメインアノテーションへの事前アクセスを前提とします。
我々は、ソースドメインアノテーションのみを利用する、より現実的な、教師なしの3Dドメイン適応検出について研究する。
論文 参考訳（メタデータ） (2021-07-23T17:19:23Z) - AFAN: Augmented Feature Alignment Network for Cross-Domain Object
Detection [90.18752912204778]
オブジェクト検出のための教師なしドメイン適応は、多くの現実世界のアプリケーションにおいて難しい問題である。
本稿では、中間領域画像生成とドメイン・アドバイザリー・トレーニングを統合した新しい機能アライメント・ネットワーク(AFAN)を提案する。
提案手法は、類似および異種ドメイン適応の双方において、標準ベンチマークにおける最先端の手法よりも大幅に優れている。
論文 参考訳（メタデータ） (2021-06-10T05:01:20Z) - Domain Conditioned Adaptation Network [90.63261870610211]
本稿では,ドメイン条件付きチャネルアテンション機構を用いて,異なる畳み込みチャネルを励起するドメイン条件適応ネットワーク(DCAN)を提案する。
これは、ディープDAネットワークのドメインワイドな畳み込みチャネルアクティベーションを探求する最初の試みである。
論文 参考訳（メタデータ） (2020-05-14T04:23:24Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。