We address object detection task in adverse weather conditions. Generally, adverse weather conditions degrade object detection performance. To overcome this drawback, we propose Continual Adaptation Learning (CAL). Specifically, we utilize Developmental Memory (DM) and Regularization Method (RM) to resolve catastrophic forgetting problem. DM and RM was invented for classification task. We research a optimal method to apply DM and RM to object detection task. In result, CAL-ODWC has improved performance.
본 논문에서는 악천후 주행상황에 대한 객체감지 성능 평가를 진행하였다. 악천후 주행상황은 맑은 날씨에서의 주행상황과 달리 객체감지 성능이 악화된다는 단점이 존재한다. 이 문제를 해결하기 위해 연속적 적응학습을 적용하였다. 좀 더 자세히 말하면, 발달형 메모리와 정규화 기법을 동시에 사용함으로써 치명적 망각현상을 극복할 수 있는 방안을 제시하였다. 이미지 분류를 목적으로 처음 고안된 발달형 메모리와 정규화 기법을 객체 감지 네트워크 상에서 가장 효율적으로 작동할 수 있는 방법을 제시하였으며, 연속학습 과정에 발생하는 치명적 망각현상을 개선하는 결과를 얻었다.
