AcroFOD：一种用于跨域少样本目标检测的自适应方法
计算机视觉与模式识别
2022-09-23 v1
摘要
在域偏移下，跨域少样本目标检测旨在利用少量带标注的目标域数据使目标检测器适应目标域。存在两个显著挑战：(1) 目标域数据高度不足；(2) 在无任何约束的情况下不恰当地扩增目标样本所引发的潜在过适应与误导。为应对这些挑战，我们提出一种由两部分组成的自适应方法。首先，我们提出一种自适应优化策略，以筛选类似于目标样本的扩增数据，而非盲目增加数量。具体而言，我们在最开始就过滤掉那些显著偏离目标特征分布的扩增候选。其次，为进一步缓解数据限制，我们提出多级域感知数据扩增，利用跨图像前景-背景混合来增加扩增数据的多样性与合理性。实验表明，所提方法在多个基准上取得了最先进的性能。
引用
@article{arxiv.2209.10904,
title = {AcroFOD: An Adaptive Method for Cross-domain Few-shot Object Detection},
author = {Yipeng Gao and Lingxiao Yang and Yunmu Huang and Song Xie and Shiyong Li and Wei-shi Zheng},
journal= {arXiv preprint arXiv:2209.10904},
year = {2022}
}
备注
Accepted in ECCV 2022