Unsupervised Domain Adaptation for Visual Perception in Various Environments = 다양한 환경에서의 시각적 인식을 위한 비지도 도메인 적응 방법
저자
발행사항
대구 : DGIST, 2023
학위논문사항
학위논문(석사)-- DGIST : 전기전자컴퓨터공학과 컴퓨터 비전 2023. 2
발행연도
2023
작성언어
영어
주제어
발행국(도시)
대구
형태사항
27 ; 26 cm
일반주기명
지도교수: Sunghoon Im
지도교수: 임성훈
UCI식별코드
I804:27005-200000653655
소장기관
Unsupervised domain adaptation (UDA) addresses the problem of deep learning networks which have performance degradation for new domain data without additional labeling. Previous domain adaptation methods have improved performance for a new target domain data using followed techniques such as image-to-image translation, feature distribution alignment, and self-training. However, most previous works assume only one target domain and have a limitation in that it is difficult to apply in a real-world environment where various domains exist.
To overcome this limitation, recent studies have been proposed on multi-target domain adaptation (MTDA) that adapts to multiple target domains, and in this paper, we propose the MTDA method for semantic segmentation which requires a high labeling cost to build training data. First, we propose a high-precision pseudo-labeling method for target domain images by utilizing cross-domain correspondence matching which matches a target region to the most similar source region. The pseudo-label map is used in class-wise image-toimage translation to avoid the problem of transferring characteristics between different classes and to allow the translation between the same classes. In addition, we propose cross-domain feature consistency to learn the robustness for the different characteristics of each target domain.
Extensive experiments on complex driving scene data such as GTA5, Cityscapes, IDD, and Mapillary show the effectiveness of our method with better performance than state-of-the-art methods.
본 논문은 딥러닝 네트워크의 입력으로 학습데이터와 다른 특성을 가진 새로운 데이터가 입력되었을 때 성능이 저하되는 문제를 추가적인 데이터 라벨링 없이 해결하는 비지도 도메인 적응 방법을 다룬다. 기존의 도메인 적응 연구들은 이미지 변환(Image-to-Image Translation), 특징점 분포 정합(Feature Distribution Alignment), 자기학습(Self-training) 등의 방법을 사용하여 새로운 목표 도메인에서의 성능향상을 이루었다. 그러나 기존의 연구들은 한 개의 목표 도메인만을 가정하여 다양한 도메인이 존재하는 실제 환경에서는 적용이 어려운 한계점이 있다.
이러한 한계점을 극복하기 위해 최근 여러 도메인에 적응하는 다중 도메인 적응(Multi-Target Domain Adaptation)에 관한 연구들이 제안되었고, 본 논문에서는 학습데이터 구축에 많은 라벨링 비용이 필요한 의미론적 영상분할 (Semantic Segmentation) 모델의 다중 도메인 적응 방법을 제안한다. 첫 번째로 목표 도메인 이미지와 기존 학습 도메인 이미지의 가장 비슷한 영역을 찾는 교차 도메인 일치점 매칭(Cross-Domain Correspondence Matching)을 활용하여 목표
도메인 이미지의 고정밀도 의사 레이블 획득 방법을 제안한다. 획득한 의사 레이블은 클래스별 이미지 변환 시에 사용되어 다른 클래스 간의 특성이 전파되는 문제를 방지하고 동일한 클래스 간의 변환이 이루어지도록 한다. 추가로 여러 목표 도메인의 특성 차이에도 강건하게 동작하기 위한 교차 도메인 특징 일관성(Cross-Domain Feature Consistency)을 제안하여 학습된 네트워크의 성능을 향상시킨다.
제안한 방법론으로 GTA5, Cityscapes, IDD, Mapillary 와 같은 차량 주행 데이터에 대해 다양한 실험을 진행하여 기존 방법론보다 우수한 성능으로 효과성을 입증하였다.
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)