AIR-DA：用于无监督域自适应目标检测的对抗图像重建
计算机视觉与模式识别
2023-03-28 v1
摘要
无监督域自适应目标检测是一项具有挑战性的视觉任务，其中目标检测器从有标签的源域适配到无标签的目标域。最近的进展证明了基于对抗的域对齐的有效性，其中特征提取器与域判别器之间的对抗训练使特征空间具有域不变性。然而，由于域偏移，域判别（尤其是低级特征上的判别）是一项容易的任务。这导致域判别器与特征提取器之间对抗训练的不平衡。在这项工作中，我们通过引入一个辅助正则化任务来改善训练平衡，从而实现更好的域对齐。具体而言，我们提出对抗图像重建 (Adversarial Image Reconstruction, AIR) 作为正则化器，以促进特征提取器的对抗训练。我们进一步设计了一个多级特征对齐模块来增强适配性能。我们在多个具有挑战性域偏移的数据集上的评估表明，所提方法在大多数设定下优于以往所有单阶段和两阶段的方法。
引用
@article{arxiv.2303.15377,
title = {AIR-DA: Adversarial Image Reconstruction for Unsupervised Domain Adaptive Object Detection},
author = {Kunyang Sun and Wei Lin and Haoqin Shi and Zhengming Zhang and Yongming Huang and Horst Bischof},
journal= {arXiv preprint arXiv:2303.15377},
year = {2023}
}
备注
Accepted at IEEE Robotics and Automation Letters 2023