关于域差异(domain gap)中的不变特征(invariant features)
在目标检测领域,不变特征指的是在不同的数据集(不同的采集环境、不同的采集设备、不同的成像手段等)能够保持一致性的特征,这些特征不受特定领域变化的影响,能够在跨域目标检测中起到重要作用,如:
1. 边缘和轮廓
无论是白天还是夜晚,无论是高分辨率的还是低分辨率的图像,物体的轮廓和边缘特征通常都是稳定的,这些特征反映了物体的基本形状和结构,不易受到光照、分辨率或者环境变化的影响。
2. 颜色直方图
某些物体的颜色在不同的域中也可能使稳定的,如天空的蓝色、草地的绿色、道路的灰色,这些物体在不同的拍摄条件和设备下仍然一致。
3. 纹理特征
物体表面的纹理特征也是一种跨域不变特征,如建筑物的砖块纹理,道路的沥青纹理,在不同的拍摄条件下通常不变(如正面拍摄或者侧面拍摄)
4. 高层语义特征
深度学习模型提取的高层语义特征,比如物体的类别信息和场景语义信息,在不同的领域中也能保持一致,如一个训练在城市街景数据集上的模型可以提取到“车辆”的高层语义信息,这些特征在郊区或者高速公路的数据集上也是一致的。
5. 尺度不变特征
一些特征对尺度变化是不敏感的,比如SIFT(Scale Invariant Feature Transform),能够在不同的尺度下保持一致,如无论是近景拍摄还是远景拍摄,物体的关键点特征保持一致。