车辆检测使用无监督图像风格转化从白天到夜晚 Cross-Domain Car Detection Using Unsupervised Image-to-Image Translation: From

论文地址：https://arxiv.org/pdf/1907.08719.pdf

项目地址：https://github.com/LCAD-UFES/publications-arruda-ijcnn-2019

摘要

        深度学习技术已经使出现先进的模型去解决目标检测任务。然而，这些技术在数据驱动，处理精度需要训练数据，类似图像在目标任务。这个需要在数据集上涉及标注图像，艰难和高昂的处理，通常需要时间和人工辅助。因此，一个挑战出现当目标区域应用没有标注可以利用的数据集，做任务在这种情况下来学习一个训练数据集在一个不同领域。分享这个问题，目标检测是一个至关重要的任务在自动驾驶，大量的驾驶场景几个不同区域应用需要标注数据来训练处理。在这个工作中，一个方法训练一个车辆检测系统，使用标注的数据，从一个原领域（白天）不需要图像标注到目标领域（黑夜）被提供。对于上述描述，一个模型基于生成建议网络（GANs）被开发用来生成一个人工数据集，使用它各自标注。人工数据集（假的数据集）被创建转换图像从白天领域到黑天领域。假的数据集组成标注图像的目标领域（黑夜图像），然后被用在训练车辆检测模型。实验结果表明提出的这个方法增加10%的检测性能，对比训练只用在标注图像上（例如：白天）

作者的主要工作：使用GANs网络将白天背景车辆迁移到黑夜背景车辆，来建立数据集，方便数据集的生成。

系统框架

CycleGAN Network

生成的数据样例

效果展示