NeurIPS 2022 视觉域适应挑战赛冠军方案
计算机视觉与模式识别
2022-11-29 v1 人工智能
摘要
视觉域适应(VisDA) 2022 挑战赛要求构建一个用于工业废弃物分拣语义分割任务的无监督域适应模型。本文提出 SIA_Adapt 方法，其融合了多种域适应模型的方法。我们方法的核心在于大规模预训练带来的可迁移表征。在此过程中，我们选择了一种不同于当前最优(domain adaptation SOTA)的网络架构。此后，利用伪标签进行自训练有助于使初始适应模型更适配目标域。最后，model soup 方案有助于提升在目标域上的泛化性能。我们的方法 SIA_Adapt 在 VisDA2022 挑战赛中取得第一名。代码已发布于 https://github.com/DaehanKim-Korea/VisDA2022_Winner_Solution。
引用
@article{arxiv.2211.14596,
title = {1st Place Solution to NeurIPS 2022 Challenge on Visual Domain Adaptation},
author = {Daehan Kim and Minseok Seo and YoungJin Jeon and Dong-Geol Choi},
journal= {arXiv preprint arXiv:2211.14596},
year = {2022}
}
备注
This technical paper contains a brief overview of the proposed method, SIA_Adapt, which wins the Visual Domain Adaptation(VisDA) challenge