Il rilevamento termico di oggetti adattativo al dominio svolge un ruolo chiave nel facilitare
visibile (RGB)-to-termico (E) adattamento riducendo la necessità di co-registrazione
coppie di immagini e riducendo al minimo la dipendenza da grandi set di dati IR annotati. Tuttavia,
limitazioni intrinseche delle immagini IR, come la mancanza di segnali di colore e consistenza,
pongono sfide per i modelli addestrati RGB, portando ad un aumento dei falsi positivi
e pseudo-etichette di scarsa qualità. Per affrontare questo problema, proponiamo il Grigio Semantic-Aware
Aumento del colore (SAGA), una nuova strategia per mitigare la distorsione del colore e
colmare il divario del dominio estraendo funzionalità a livello di oggetto rilevanti per IR
immagini. Inoltre, per convalidare la SAGA proposta per le immagini dei droni, Noi
introdurre IndraEye, un multisensore (RGB-IR) set di dati progettato per diversi
applicazioni. Il set di dati contiene 5,612 immagini con 145,666 istanze,
catturato da diverse angolazioni, altitudini, sfondi, e orari della giornata,
offrendo preziose opportunità per l’apprendimento multimodale, adattamento del dominio per
rilevamento e segmentazione di oggetti, ed esplorazione dei punti di forza specifici del sensore
e debolezze. IndraEye mira a migliorare lo sviluppo di strutture più robuste e
accurati sistemi di percezione aerea, soprattutto in ambienti difficili.
I risultati sperimentali mostrano che SAGA migliora significativamente l'adattamento da RGB a IR
per la guida autonoma e set di dati IndraEye, raggiungimento di prestazioni costanti
guadagni di +0.4% A +7.6% (mappa) se integrato con un dominio all'avanguardia
tecniche di adattamento. Il set di dati e i codici sono disponibili all'indirizzo
https://github.com/airliisc/IndraEye.

Questo articolo esplora i giri e le loro implicazioni.

Scarica PDF: