以下文章来源于杭电通信家园 ，作者新媒运营部
近日，通信工程学院智能信息系统团队以杭州电子科技大学为第一单位发表的论文《Debiased Teacher for Day-to-Night Domain Adaptive Object Detection》被计算机视觉领域顶级会议ICCV 2025（CCF A类会议）录用。该项研究由杭州电子科技大学和中国科学院计算技术研究所合作完成。该论文的第一作者为我院2024级博士研究生崔一鸣，指导老师为我院殷海兵教授、颜成钢教授、中国科学院计算技术研究所李亮研究员。
昼夜域适应目标检测（DN-DAOD）是计算机视觉领域的一项重要挑战，其核心难点在于夜间场景的低可见性与低信噪比。尽管当前基于自训练的方法已取得一定成果，但这些方法在解决昼夜域适应任务时仍存在三类关键偏差未能解决：分布偏差、训练偏差和确认偏差。为此，团队提出去偏教师模型（Debiased Teacher），通过三个创新模块系统性地解决上述偏差：昼夜域转换模块（DNDT）：利用物理先验建模昼夜域关键差异，将白昼图像转换为类夜间图像以缓解分布偏差；跨域表征补偿模块（CDRC）：通过选择性混合真实夜间图像与转换图像的物体特征，增强模型对夜间目标的泛化表征能力，从而消除训练偏差；伪标签确认校准模块（ConCal）：通过动态修正不准确伪标签，抑制确认偏差对知识迁移的负面影响。我们的去偏教师模型能够有效地调整昼夜分布，补偿每个类别中夜间物体的通用表征，并为学生模型传递更可靠的夜间知识。在三个基准数据集上的实验表明，本方法以显著优势超越现有最优方法。
实验室介绍
杭州电子科技大学“智能信息处理”实验室 (HDU IIPLab)主任为颜成钢教授。实验室现有在职教师50余名，含5位国家级人才及多位省级人才。现有硕博生200余名，毕业生多就职于阿里巴巴、腾讯、字节跳动、海康威视、华为、网易等国内知名企业。实验室为学校交叉创新团队，拥有自由开放的学术氛围和国际前沿的研究方向。实验室采用与海内外知名高校、研究所（清华大学、北京大学、中国科学院、美国北卡罗来纳大学教堂山分校、澳大利亚悉尼科技大学等）联合培养制，长期致力于智能信息处理方面的研究，主要研究方向包括：机器学习、模式识别、计算机视觉、计算机图形学、医学影像处理、生物信息学等。
图文：崔一鸣
排版：王晨辉
审核：江劭玮
责编：张 涵
发布：廖丹丹
