无源目标检测中的对抗对齐
计算机视觉与模式识别
2023-01-12 v1 人工智能
摘要
无源目标检测（SFOD）旨在将在标签丰富的源域上预训练的检测器迁移到无标签的目标域，且无需见到源数据。虽然大多数现有 SFOD 方法通过源预训练模型生成伪标签以指导训练，但由于严重的域差异，这些伪标签通常包含较高噪声。为了获得更好的伪监督，我们将目标域划分为源相似与源不相似两部分，并通过对抗学习在特征空间中对齐它们。具体而言，我们设计了一个基于检测方差的准则来划分目标域。该准则的动机来自一个发现：较大的检测方差表示较高的召回率以及与源域较大的相似性。然后我们将一个对抗模块整合进均值教师框架中，以驱动这两个子集的特征空间不可区分。在多个跨域目标检测数据集上的大量实验表明，我们提出的方法持续优于所对比的 SFOD 方法。
引用
@article{arxiv.2301.04265,
title = {Adversarial Alignment for Source Free Object Detection},
author = {Qiaosong Chu and Shuyan Li and Guangyi Chen and Kai Li and Xiu Li},
journal= {arXiv preprint arXiv:2301.04265},
year = {2023}
}