深度学习中的data domain问题

论文：Reveal of Domain Effect: How Visual Restoration Contributes to Object Detection in Aquatic Scenes

 

data domain问题也类似数据的分布问题。包括，低对比度（low contrast），颜色（color distortion），混浊（haziness），光照（illumination）等因素导致的图片质量参差不齐。

第一行表示原始的水下拍摄的图片。

第二行表示经过滤波（filtering-based restoration (FRS)）后重建的图片。

第三行表示经过GAN（GAN-based restoration (GAN-RS)）重建后的图片。

 

可以看出经过重建后的图片，质量更高，更加清晰，更加有利于物体检测。

 

论文贡献：

1. 域内图像的质量对基于域内图像训练的卷积神经网络特征提取和检测准确性具有很大的影响。
2. 低质量的域内图片可以对跨域的检测问题带来更好的泛化。
3. 低质量的域内图片和高质量的域内图片混合训练，低质量的域内图片更难被学习。
4. 视觉重建技术有助于减少域内图片的像素值shift问题，使得跨域的检测更加鲁棒。

 

 

水下检测的数据集：

GAN-based restoration (GAN-RS)

 

 

实验结果：