แนวคิดหลัก
提案された方法は、異なるドメイン間でのMAV検出性能を向上させ、疑似ラベルのノイズを効果的に軽減します。
บทคัดย่อ
MAV(Micro Air Vehicles)の視覚検出が重要であり、新しいドメインへの適応において性能低下が起こる課題を解決するために、新しい手法が提案されました。
M3Dデータセットはシミュレーション画像と実際の画像から成り、豊富なシーンや多様なMAVタイプをカバーしています。
ノイズ抑制ネットワーク(NSN)は疑似ラベルの精度向上と真のラベルの追加によって、提案手法の優れた性能を実証しています。
シミュレーションからリアルへ、異なるシーン間、異なるカメラ間での適応タスクにおいても高い性能を発揮しています。
สถิติ
提案手法はmAPで46.9%を達成しました。
シミュレーションからリアルへの適応では5.8%向上しました。
異なるシーン間で50.5%、異なるカメラ間で61.5%まで向上しました。