道路场景目标检测是智慧交通领域的重要组成部分,直接关系到众多智慧交通应用性技术的实施.然而,现有道路场景目标检测域泛化技术普遍存在域不变特征提取不充分、检测精度不高和泛化能力弱的问题.针对此问题,提出复杂天气条件下道路场...道路场景目标检测是智慧交通领域的重要组成部分,直接关系到众多智慧交通应用性技术的实施.然而,现有道路场景目标检测域泛化技术普遍存在域不变特征提取不充分、检测精度不高和泛化能力弱的问题.针对此问题,提出复杂天气条件下道路场景目标检测的域泛化方法.设计了道路场景域不变特征生成模型,分别提取源域图像的域内不变特征和域间不变特征,并生成更具多样性的复杂天气条件下的道路场景域不变特征,以提高目标检测模型的泛化能力;在此基础上,设计了道路场景目标检测域泛化模型,引入自蒸馏机制,使目标检测模型提取的特征拥有丰富的域不变特征,以进一步增强泛化能力,从而提高目标检测模型的检测精度.实验结果表明,所提出的目标检测域泛化模型性能与对比模型相比有明显提升,能显著提高目标检测模型的泛化能力和检测精度,其中F1-score较基线目标检测模型提升0.042~0.051,均值平均精度(mean average precision,mAP)提升3.0%~5.9%,证明了所提出的目标检测域泛化方法的有效性和优越性.展开更多
文摘道路场景目标检测是智慧交通领域的重要组成部分,直接关系到众多智慧交通应用性技术的实施.然而,现有道路场景目标检测域泛化技术普遍存在域不变特征提取不充分、检测精度不高和泛化能力弱的问题.针对此问题,提出复杂天气条件下道路场景目标检测的域泛化方法.设计了道路场景域不变特征生成模型,分别提取源域图像的域内不变特征和域间不变特征,并生成更具多样性的复杂天气条件下的道路场景域不变特征,以提高目标检测模型的泛化能力;在此基础上,设计了道路场景目标检测域泛化模型,引入自蒸馏机制,使目标检测模型提取的特征拥有丰富的域不变特征,以进一步增强泛化能力,从而提高目标检测模型的检测精度.实验结果表明,所提出的目标检测域泛化模型性能与对比模型相比有明显提升,能显著提高目标检测模型的泛化能力和检测精度,其中F1-score较基线目标检测模型提升0.042~0.051,均值平均精度(mean average precision,mAP)提升3.0%~5.9%,证明了所提出的目标检测域泛化方法的有效性和优越性.
