WeatherSeg: Weather-Robust Image Segmentation using Teacher-Student Dual Learning and Classifier-Updating Attention

Created by

Haebom

저자

Zhang Zhang, Yifeng Zeng, Houshi Jiang, Yinghui Pan

💡 개요

본 논문은 자율 주행 환경에서 악천후로 인한 이미지 인식의 어려움을 해결하기 위해 반지도 학습 기반의 WeatherSeg 프레임워크를 제안한다. WeatherSeg는 악천후 영향을 받은 이미지로부터 지식을 증류하는 이중 교사-학생 가중치 공유 모델(DTSWSM)과 환경 속성에 따라 분류기 가중치를 동적으로 조정하는 분류기 가중치 업데이트 어텐션 메커니즘(CWUAM)을 통합하였다. 실험 결과, WeatherSeg는 다양한 악천후 조건에서 기존 모델 대비 정확도와 강건성 면에서 뛰어난 성능을 보였다.

🔑 시사점 및 한계

•

악천후 환경에서도 강건한 이미지 분할 성능을 달성하여 자율 주행 시스템의 안전성을 향상시킬 수 있다.

•

반지도 학습과 새로운 메커니즘을 통해 주석 부담을 줄이면서도 높은 성능을 확보하는 효과적인 방법을 제시한다.

•

제시된 방법론의 복잡성과 계산 비용, 그리고 아직 탐색되지 않은 극한 기상 조건에서의 성능 검증 등이 향후 연구 과제로 남는다.

PDF 보기

Made with Slashpage