VisDA 2021 挑战赛第 3 名方案——通用域自适应图像识别
计算机视觉与模式识别
2025-02-28 v2
摘要
视觉域自适应(VisDA)2021 挑战赛要求提供无监督域自适应(UDA)方法,能够处理源域与目标域之间的输入分布偏移与标签集差异。在本报告中,我们通过对若干流行的特征提取与域自适应方案进行聚合,提出一种通用域自适应(UniDA)方法。首先,我们利用 VOLO(一种在多项视觉任务中具备最先进性能的基于 Transformer 的架构)作为骨干网络提取有效特征表示。其次,我们修改 OVANet 的开放集分类器,以具竞争力的精度与鲁棒性识别未知类。如排行榜所示,我们提出的 UniDA 方法在 VisDA 2021 挑战赛中以 48.49% ACC 与 70.8% AUROC 位列第 3 名。
引用
@article{arxiv.2110.14240,
title = {3rd Place Solution for VisDA 2021 Challenge -- Universally Domain Adaptive Image Recognition},
author = {Haojin Liao and Xiaolin Song and Sicheng Zhao and Shanghang Zhang and Xiangyu Yue and Xingxu Yao and Yueming Zhang and Tengfei Xing and Pengfei Xu and Qiang Wang},
journal= {arXiv preprint arXiv:2110.14240},
year = {2025}
}