Core Concepts
モバイルロボットの物体検出を改善するために、無監督データ取得を活用したオンラインソースフリードメイン適応(O-SFDA)が効果的であることを示す。
Abstract
モバイルロボットの物体検出は多様で未知の環境で挑戦されている。
O-SFDAはターゲットドメインからの未ラベルデータを使用してモデル適応を提供する。
新しいアプローチがO-SFDAを強化し、実世界データセットで優れた性能を示す。
現在のO-SFDA手法は移動ロボティクスにおいて制限がある。
無監督データ取得戦略は情報量豊富なフレームと稀少カテゴリフレームを優先し、計算リソースの使用量を削減する。
オブジェクト検出への挑戦
モバイルロボットは新しい環境に適応する必要がある。
既存手法では移動ロボティクスにおける課題が残っている。
オンラインソースフリードメイン適応(O-SFDA)
O-SFDAはターゲットドメインへの知識転送をオンラインで行う方法を提供する。
従来手法と比較して、O-SFDAは効率的かつ効果的なアダプテーション手段である。
無監督データ取得戦略
情報量豊富な未ラベルフレームと稀少カテゴリフレームに重点を置く方法。
計算リソースの使用量削減と物体検出アダプティビティ向上。
Stats
現実世界データセットで我々の手法が既存最先端技術よりも2.3 mAPから9.3 mAPまで性能向上したことが示されています。
我々の手法では、CityscapesからCityscapes-Foggyへ2.3 mAP、Sim10kからCityscapesへ9.0 mAP、SHIFTからCityscapesへ9.3 mAPまで性能向上が確認されました。