多约束几何正则化框架用于少样本飞机舱门检测

《Journal of Imaging》：Few-Shot Aircraft Door Detection with Visibility-Aware Geometric Regularization

　　

摘要

飞机舱门检测是自动旅客登机桥的关键感知组件，但在标注有限、光照变化、部分遮挡和视角变化等条件下，其性能可能会显著下降。为解决这一问题，我们提出了一种用于少样本飞机舱门检测的多约束几何正则化（MGR）框架。MGR 使用四个角点地标和一个派生中心地标来表示每个舱门，并显式地将外观学习与舱门框架几何进行耦合。具体而言，该方法将投影有效的对角线相交约束与具有可见性感知的对称性正则化和几何门控的正交性正则化相结合，同时通过多尺度感兴趣区域（RoI）特征聚合和地标引导的精化提供互补的外观线索。实验分别采用 ResNet-18、ResNet-34 和 ResNet-50，在匹配的目标域训练实例预算和支持集条件下进行对比，并区分仅有框监督与地标监督两种方式。在使用 ResNet-50 时，MGR 在 15-shot、20-shot、25-shot 和 30-shot 设置下分别实现了 77.90%、82.10%、85.00% 和 86.70% 的 AP 值，相比主对比表中最强的竞争方法 SGFNet，平均观测优势为 1.10 个百分点。在 ResNet-18 和 ResNet-34 上的排名则互有胜负。消融实验表明，组合几何目标可带来额外增益，尽管在 ResNet-50 对比中精化模块贡献了更大的 AP 提升，且单个几何项在不同骨干网络上并非一致地有益。这些结果表明，显式建模可靠的舱门框架几何能够为数据高效的飞机舱门检测提供有用的结构监督，尤其是在具有挑战性的视觉条件下。