基于立体视觉的轻量级无源无监督目标检测器域适应方法

《IEEE Access》：Lightweight Source-Free Unsupervised Domain Adaption for Object Detector using Stereo Vision

　　

摘要：

近年来，物体检测模型的性能有了显著提升，但由于训练时所用的数据与实际应用中的数据存在领域差异，这些模型在处理新数据时的表现仍然不佳。在本文中，我们提出了Collab Source-Free Domain Adaption（CollabSFOD）方法，这是一种轻量级方案，它利用立体相机中物体存在的跨相机一致性，来微调在源领域预训练的物体检测模型所产生的检测结果。这些检测结果可作为伪标签，用于迭代更新针对目标领域的模型，整个过程无需依赖带有标注的源图像。据我们所知，这是首个利用立体视觉进行物体检测模型领域适应的方法。通过采用一种既考虑置信度分数又考虑伪标签跨相机IoU的轻量级且稳健的关联机制，我们使得SFOD方法能够在低功耗的边缘AI设备上直接应用。在Jetson AGX设备上的大量实验证明了我们提出方法的有效性，使用轻量级的YOLO检测器在多个标准的领域适应测试集中取得了最先进的性能。