AdaTreeFormer: 单高分辨率图像树木计数的少样本领域适应
原文中文,约300字,阅读约需1分钟。发表于: 。本文提出了一种名为 AdaTreeFormer 的方法,通过从源领域学习具有足够标记树的框架,并针对只有有限数量标记的目标领域进行自适应,利用层次特征提取方案从源和目标领域中提取强大特征,并引入注意力机制以及逐渐对齐源和目标领域特征的层次交叉领域特征对齐方案,采用对抗学习进一步减小源领域和目标领域之间的差距,在树木计数数据集上进行评估,结果明显优于现有方法。
本研究提出了一种新方法来检测带阴影的树冠,并提供了一个约50,000对RGB-热成像图像的数据集,以促进对光照不变检测的研究。该方法通过自我监督和域对抗性训练,融合两个模态的信息来改进已训练的RGB检测器的预测并提高准确性。实验证明该方法优于基线的RGB训练检测器和依赖于无监督域自适应或早期图像融合的技术。