Domain Adaptation of Virtual and Real Worlds for Pedestrian Detection
David Vázquez Bermúdez · TDX (Tesis Doctorals en Xarxa) · 2013
La deteccion de peatones es clave para muchas aplicaciones como asistencia al conductor, video vigilancia o multimedia. Los mejores detectores se basan en clasificadores basados en modelos de apariencia entrenados con ejemplos anotados. Sin embargo, el proceso de anotacion es una tarea intensiva y subjetiva cuando es llevada a cabo por personas. Por ello, vale la pena minimizar la intervencion humana en dicha tarea mediante el uso de herramientas computacionales como los mundos virtuales porque con ellos podemos obtener anotaciones variadas y precisas de forma rapida. Sin embargo, el uso de este tipo de datos genera la siguiente pregunta: ?Es posible que un modelo de apariencia entrenado en un mundo virtual pueda funcionar de manera satisfactoria en el mundo real? Para responder esta pregunta, hemos realizado diferentes experimentos que sugieren que los clasificadores entrenados en el mundo virtual pueden ofrecer buenos resultados al aplicarse en ambientes del mundo real. Sin embargo, tambien se encontro que en algunos casos estos clasificadores se pueden ver afectados por el problema conocido como el cambio en la naturaleza de los datos, igual que ocurre con los clasificadores entrenados en el mundo real. En consecuencia, hemos disenado un sistema de adaptacion de dominio, V-AYLA, en el que hemos probado diferentes tecnicas para recoger unos pocos ejemplos del mundo real y combinarlos con una gran cantidad de ejemplos del mundo virtual para entrenar un detector de peatones adaptado. V-AYLA ofrece la misma precision de deteccion que un detector entrenado con anotaciones manuales y probado con imagenes reales del mismo dominio. Idealmente, nos gustaria que nuestro sistema se adaptase automaticamente sin necesidad de intervenci on humana. Por ello, a modo de demostracion, proponemos utilizar tecnicas de adaptacion no supervisadas que permitan eliminar completamente la intervencion humana del proceso de adaptacion. Hasta donde sabemos, este es el primer trabajo que muestra que es posible desarrollar un detector de objetos en el mundo virtual y adaptarlo al mundo real. Finalmente, proponemos una estrategia diferente para evitar el problema del cambio en la naturaleza de los datos que consiste en recoger ejemplos en el mundo real y reentrenar solamente con ellos pero haciendolo de tal modo que no se tengan que anotar peatones en el mundo real. El resultado de este clasificador es equivalente a otro entrenado con anotaciones obtenidas de forma manual. Los resultados presentados en esta tesis no se limitan a adaptar un detector de peatones virtuales al mundo real, sino que va mas alla, mostrando una nueva metodologia que permitiria a un sistema adaptarse a cualquier nueva situacion y que sienta las bases para la investigacion futura en este campo todavia sin explorar.