计算机视觉研究院 | 智慧工地：2PCNet，昼夜无监督域自适应目标检测（附原代码）

本文来源公众号“计算机视觉研究院”，仅用于学术分享，侵权删，干货满满。

原文链接：智慧工地：2PCNet，昼夜无监督域自适应目标检测（附原代码）

由于缺乏夜间图像注释，夜间目标检测是一个具有挑战性的问题。尽管有几种领域自适应方法，但实现高精度结果仍然是一个问题。

01 前景概要

在使用公认的师生框架的方法中，特别是对于小规模和低光物体，仍然可以观察到假阳性误差传播。我们提出了一种两阶段一致性无监督领域自适应网络2PCNet来解决这些问题。该网络在第一阶段使用来自教师的高置信度边界框预测，并将其附加到学生的区域建议中，供教师在第二阶段重新评估，从而产生高置信度和低置信度伪标签的组合。夜间图像和伪标签在用作学生的输入之前被缩小，从而提供更强的小规模伪标签。为了解决图像中弱光区域和其他夜间相关属性引起的错误，我们提出了一种称为NightAug的夜间特定增强管道。该管道涉及将随机增强（如眩光、模糊和噪声）应用于日间图像。在公开数据集上的实验表明，我们的方法比最先进的方法和直接在目标数据上训练的监督模型获得了20%的优越结果。

02 背景&动机

夜间目标检测在许多应用中都是至关重要的。然而，通过监督方法对注释数据的要求是不切实际的，因为带有注释的夜间数据很少，并且监督方法通常容易过度拟合训