多元化渐进域迁移弱监督实时目标检测

摘要：

针对像素级自适应较大的图像翻译偏差,特征级自适应的源偏判别风险以及弱监督学习无法兼顾检测准确性和实时性等问题,提出了多元化域移位器和伪边界框生成器以逐步调整预训练模型,在像素级与特征级渐进完成自适应的域迁移框架.通过域移位器从源域生成多样化的中间域图像调整检测模型以弥合域差距,减小图像翻译偏差.将中间域作为监督的源域,并结合目标域中的图像级标签生成伪标注图像调整检测模型以改善源偏判别性.基于SSD算法构建与域迁移框架相匹配的实时目标检测器,实现弱监督条件下的实时目标检测.在PASCAL VOC迁移至Clipart1k等数据集上的mAP优于现有方法0.4%～4.7%,检测速度为32 FPS～47 FPS,提高准确率的同时满足了实时检测的要求,具有更优越的迁移检测性能.

关键词：实时目标检测、弱监督学习、域自适应、图像翻译网络、SSD算法

所属期刊栏目：29

分类号：TN911.73;TP391.4

资助基金：国家自然科学基金;黑龙江省自然科学基金项目;黑龙江省重点研发计划项目

在线出版日期：2024-10-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：11-19