基于两两 DomMix 注意力对抗网络的无监督域适应目标检测
计算机视觉与模式识别
2024-07-04 v1
摘要
无监督域适应目标检测 (DAOD) 可将在源域上训练的模型适配到标注目标域以进行目标检测。现有的无监督 DAOD 方法通常仅从目标域对齐到源域，单向域迁移会忽略目标样本信息，导致在大尺度域迁移时适应效果次优。为此，我们提出一种包含 DomMix 模块的两两注意力对抗网络，以缓解上述挑战。具体地，我们采用深层混合策略构建中间域，使两域特征能够共享其差异。随后应用两两注意力对抗网络，对不同尺度上的图像级和实例级特征进行注意力编码，并通过对抗学习优化域对齐。这使得网络能够关注具有不同语境信息的区域，并学习不同域之间的相似性。在多个基准数据集上进行大量实验，证明了我们方法的优越性。
引用
@article{arxiv.2407.02835,
title = {A Pairwise DomMix Attentive Adversarial Network for Unsupervised Domain Adaptive Object Detection},
author = {Jie Shao and Jiacheng Wu and Wenzhong Shen and Cheng Yang},
journal= {arXiv preprint arXiv:2407.02835},
year = {2024}
}
备注
has published on IEEE Signal Processing Letters, 2023