机构名称：
¥ 1.0
摘要。新颖的视力传感器，例如热光谱，极性 - ization和事件摄像机，提供了传统强度摄像机无法获得的信息。将这些传感器与当前强大的深神经网络一起使用的障碍是缺乏大型标记的培训数据集。本文提出了一种网络嫁接算法（NGA），其中由非常规的视觉输入驱动的新的前端网络重新构建了一个预定的深层网络的前端网络，该网络处理强度框架。自我监督的训练仅使用同步记录的强度框架和新型传感器数据，以最大程度地提高预验证的网络和移植网络之间的特征相似性。我们表明，增强的移植网络使用热和事件摄像机数据集达到对象检测任务上验证的网络的竞争平均精度（AP 50），而不会提高下降成本。特别是，由热帧驱动的移植网络在使用强度框架的相对改善中的相对改善为49.11％。移植的前端只有总参数的5-8％，可以在几个小时内的单个GPU进行培训，相当于5％的时间，即可从标记的数据中训练整个对象检测器。nga允许新视觉传感器利用先前预定的强大的深层模型，节省训练成本并扩大新型传感器的应用。
学习使用移植网络
主要关键词
相关文件推荐
