이 논문은 날씨 변화에 강인한 객체 탐지를 위한 통합 다중 수준 정렬(MGA) 프레임워크를 제안한다.
먼저, 픽셀, 인스턴스, 범주 수준의 특징 분포 차이를 동시에 고려하는 다중 수준 판별기를 도입한다. 이를 통해 서로 다른 수준의 보완적 정보를 효과적으로 활용할 수 있다.
또한 옴니스케일 게이트 융합(OSGF) 모듈을 제안하여 다양한 크기의 객체에 대한 강인한 특징 표현을 학습한다. OSGF는 코스 탐지 결과를 활용하여 객체 크기에 따라 적절한 합성곱 연산을 선택함으로써 다중 스케일 탐지를 가능하게 한다.
마지막으로, 교사-학생 네트워크 기반의 적응형 지수 이동 평균(AEMA) 전략을 통해 의사 레이블의 품질을 개선하고 지역적 정렬 문제를 완화한다. AEMA는 교사 및 학생 탐지기의 중간 평가 결과를 활용하여 지수 이동 평균 계수를 동적으로 조절함으로써 강건한 탐지 성능을 달성한다.
제안 방법은 다양한 도메인 적응 시나리오에서 우수한 성능을 보였으며, 앵커 기반 Faster R-CNN과 앵커 프리 FCOS 탐지기 모두에 적용 가능한 일반적인 프레임워크이다.
To Another Language
from source content
arxiv.org
Ключові висновки, отримані з
by Libo Zhang,W... о arxiv.org 03-19-2024
https://arxiv.org/pdf/2301.00371.pdfГлибші Запити