计算机辅助设计与图形学学报

作者：刘袁缘, 王超凡, 王文斌, 张浩宇, 罗忠文

关键词：领域自适应, 目标检测, 多目标域, 风格迁移, 伪标签

现有的基于深度学习的目标检测模型中, 由于复杂天气使得现有方法的精度大幅降低.因此为了有效地消除不同天气场景带来的域差异问题, 提出一种多域动态平均教师模型.首先引入多域平均教师模块, 为多个不同天气场景下目标域数据生成伪标签; 然后引入基于学生网络的风格迁移模块, 解决多域任务中学生网络对不同目标域泛化能力差的问题, 可有效地减小源域与不同目标域之间的差异, 提升学生网络对不同目标域的泛化能力; 最后提出基于教师网络的动态过滤伪标签模块, 根据教师网络对不同目标域的学习效果动态地调整过滤伪标签的阈值, 提升每个目标域伪标签质量.在FoggyCityscapes&RainCityscapes和Dusk-rain&Night-rain数据集上的实验结果表明, 所提模型分别获得了40.3%和31.4%的精度, 在雨天、雾天和夜晚等多种复杂天气场景下都优于对比方法.

来源：2024年第3期

《计算机辅助设计与图形学学报》期刊编辑部

查看计算机辅助设计与图形学学报杂志2024年第3期