Core Concepts
모바일 로봇의 다양한 환경에서 효과적인 객체 탐지를 위해, 온라인 소스 프리 도메인 적응 기법에 비지도 데이터 수집 전략을 도입하여 적응 성능을 향상시킴
Abstract
이 논문은 모바일 로봇의 다양한 환경에서 효과적인 객체 탐지를 위한 온라인 소스 프리 도메인 적응 기법을 제안한다.
기존의 온라인 소스 프리 도메인 적응 기법은 모든 프레임을 사용하여 적응을 수행하지만, 이는 중복되거나 유용하지 않은 정보를 포함할 수 있다. 이 문제를 해결하기 위해 저자들은 비지도 데이터 수집 전략을 도입하였다.
제안 방법은 두 단계로 구성된다. 첫 번째 단계에서는 유사하지 않은 프레임을 선별하여 모델 적응에 활용한다. 두 번째 단계에서는 희귀 클래스를 포함하는 프레임을 추가로 선별하여 클래스 불균형 문제를 해결한다.
실험 결과, 제안 방법은 기존 최신 기법 대비 2.3 mAP, 9.0 mAP, 9.3 mAP의 성능 향상을 보였다. 또한 계산 효율성 측면에서도 개선된 결과를 보였다.
Stats
시뮬레이터 데이터셋 Sim10k에서 Cityscapes 데이터셋으로 적응할 때, 제안 방법은 기존 최신 기법 대비 9.0 mAP 향상
Cityscapes 데이터셋에서 Cityscapes-Foggy 데이터셋으로 적응할 때, 제안 방법은 기존 최신 기법 대비 2.3 mAP 향상
SHIFT 데이터셋에서 Cityscapes 데이터셋으로 적응할 때, 제안 방법은 기존 최신 기법 대비 9.3 mAP 향상
Quotes
"모바일 로봇 운영에 있어 다양하고 변화하는 실제 환경에서의 효과적인 객체 탐지 시스템이 필요하다."
"온라인 소스 프리 도메인 적응(O-SFDA)은 새로운 환경에 모델을 실시간으로 적응시킬 수 있는 유망한 접근법이다."
"기존 O-SFDA 기법은 계산 비용이 높거나 적응에 도움이 되지 않는 데이터에 과도하게 의존할 수 있다."