2PCNet：昼夜无监督域自适应目标检测（附原代码）

主要观点总结

本文主要介绍了一种针对夜间目标检测的两阶段一致性无监督领域自适应网络2PCNet。文章讨论了夜间目标检测的难题和挑战，以及他们提出的新框架设计。

关键观点总结

关键观点1: 夜间目标检测的挑战和重要性

夜间目标检测因缺乏夜间图像注释而具有挑战性。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。夜间目标检测在许多应用中都是至关重要的。

关键观点2: 两阶段一致性无监督领域自适应网络（2PCNet）的介绍

为了解决夜间目标检测的问题，文章提出了一种两阶段一致性无监督领域自适应网络（2PCNet）。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。这种方法提供了高置信度和低置信度伪标签的组合。

关键观点3: 学生缩放技术和NightAug的引入

为了增强网络对小规模物体的检测能力，文章设计了一种学生缩放技术。同时，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，文章提出了一种称为NightAug的夜间特定增强管道。该管道涉及将随机增强应用于日间图像。

关键观点4: 实验及项目落地的介绍

文章介绍了在SHIFT数据集上与Faster RCNN和Adaptive Teacher（AT）方法的对比实验，以及某建筑企业在夜间安全生产和管理中采用AI技术的实际应用案例。

文章预览

点击蓝字 关注我们 关注并星标 从此不迷路 计算机视觉研究院 公众号ID ｜ 计算机视觉研究院 学习群 ｜ 扫码在主页获取加入方式 计算机视觉研究院专栏 Column of Computer Vision Institute 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 ………………………………