Double adaptation de domaine pour la détection d’objets.
Published in Conférence Nationale d'Intelligence Artificielle, 2020
Recommended citation: Alqasir Hiba, Damien Muselet, and Christophe Ducottet. "Double adaptation de domaine pour la détection d'objets." Conférence Nationale d'Intelligence Artificielle . 2020.
En apprentissage automatique, l’adaptation de domaine est nécessaire pour améliorer les performances d’un modèle lorsque les distributions des données d’apprentissage et de test sont différentes. Dans ce travail, nous abordons ce problème dans le cadre de la détection d’objets. Après une analyse détaillée du détecteur Faster R-CNN classique, nous montrons que l’adaptation du sous-réseau de proposition de région est cruciale et proposons une solution originale. Nous menons des expériences dans deux contextes d’application différents, la conduite autonome et la vidéo-surveillance des remontées mécaniques, et montrons que notre schéma d’adaptation améliore clairement les résultats de la solution précédente.