论文地址:https://arxiv.org/pdf/1907.08719.pdf
项目地址:https://github.com/LCAD-UFES/publications-arruda-ijcnn-2019
摘要
深度学习技术已经使出现先进的模型去解决目标检测任务。然而,这些技术在数据驱动,处理精度需要训练数据,类似图像在目标任务。这个需要在数据集上涉及标注图像,艰难和高昂的处理,通常需要时间和人工辅助。因此,一个挑战出现当目标区域应用没有标注可以利用的数据集,做任务在这种情况下来学习一个训练数据集在一个不同领域。分享这个问题,目标检测是一个至关重要的任务在自动驾驶,大量的驾驶场景几个不同区域应用需要标注数据来训练处理。在这个工作中,一个方法训练一个车辆检测系统,使用标注的数据,从一个原领域(白天)不需要图像标注到目标领域(黑夜)被提供。对于上述描述,一个模型基于生成建议网络(GANs)被开发用来生成一个人工数据集,使用它各自标注。人工数据集(假的数据集)被创建转换图像从白天领域到黑天领域。假的数据集组成标注图像的目标领域(黑夜图像),然后被用在训练车辆检测模型。实验结果表明提出的这个方法增加10%的检测性能,对比训练只用在标注图像上(例如:白天)
作者的主要工作:使用GANs网络将白天背景车辆迁移到黑夜背景车辆,来建立数据集,方便数据集的生成。
系统框架
CycleGAN Network
生成的数据样例
效果展示
了解更多关于《计算机视觉与图形学》相关知识,请关注公众号:
下载我们视频中代码和相关讲义,请在公众号回复:计算机视觉课程资料