《表3 检测器结果对比：ObjectGAN:自动驾驶评估数据集构建》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《ObjectGAN:自动驾驶评估数据集构建》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

单位:%

表3显示了在ObjectGAN和CycleGAN输入原始虚拟图像，利用生成的图像和真实图像训练检测器性能的定量比较，使用平均精度AP以及类别平均精度m AP作为评价指标。值得注意的是，黄昏、雨天条件下原始VVOD的m AP分别达到了40.1%、44.6%，证明本文方法生成了可达到良好检测质量的虚拟图像。但是，这些虚拟图像和真实图像之间仍然存在差距，因此激发了ObjectGAN工作。ObjectGAN在基线虚拟图上进行改善，ObjectGAN最终将黄昏、雨天条件下的m AP从40.1%、44.6%提高到48.8%、57.3%，而标准CycleGAN却使m AP变为35.6%、47.4%。这表明CycleGAN在复杂场景目标检测数据集的域适应中并不适用，而ObjectGAN生成的图像在检测器检测中接近真实图像。