《表3 检测器结果对比:ObjectGAN:自动驾驶评估数据集构建》
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。
图表编号 | XD00149313500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.18 |
作者 | 王鹏淇、孟令中、董乾、杨光、师源、薛云志 |
绘制单位 | 中国科学院软件研究所、中国科学院软件研究所、中国科学院软件研究所、中国科学院软件研究所、中国科学院软件研究所、中国科学院软件研究所 |
更多格式 | 高清、无水印(增值服务) |