ECCV 2022 OOD-CV 挑战赛目标检测赛道第一名解决方案
计算机视觉与模式识别
2023-01-13 v1
摘要
OOD-CV 挑战赛是一项分布外泛化任务。为解决目标检测赛道中的这一问题，我们提出了一种简单而有效的“先泛化后自适应”（Generalize-then-Adapt，G&A）框架，该框架由一个两阶段的领域泛化部分和一个单阶段的领域自适应部分组成。领域泛化部分通过一个使用源数据进行模型预热的监督模型预训练阶段，以及一个同时使用带有框级标签的源数据和带有图像级标签的辅助数据（ImageNet-1K）以提升性能的弱半监督模型预训练阶段来实现。领域自适应部分则实现为一种无源领域自适应范式，该范式仅使用预训练模型和无标签的目标数据，以自监督训练的方式进一步优化。所提出的 G&A 框架帮助我们在 OOD-CV 挑战赛的目标检测排行榜上取得了第一名。代码将在 https://github.com/hikvision-research/OOD-CV 发布。
引用
@article{arxiv.2301.04796,
title = {1st Place Solution for ECCV 2022 OOD-CV Challenge Object Detection Track},
author = {Wei Zhao and Binbin Chen and Weijie Chen and Shicai Yang and Di Xie and Shiliang Pu and Yueting Zhuang},
journal= {arXiv preprint arXiv:2301.04796},
year = {2023}
}
备注
Tech Report