框重排序：面向域自适应行人检测的无监督假阳性抑制
计算机视觉与模式识别
2021-02-02 v1
摘要
假阳性是域自适应行人检测中由未知域偏移带来的最严重问题之一。然而，不可能在无数目标域中标注每个边界框。因此，我们以无监督方式抑制每个目标域中的假阳性引起了关注。在本文中，我们创新性地将目标检测任务建模为正负边界框间的排序任务，从而优雅地将假阳性抑制问题转化为框重排序问题，使其无需人工标注即可求解。框重排序过程中出现的一个附带问题是没有可用的标注验证数据用于挑选最优模型。考虑到我们的目标是保持真阳性的检测不变，我们提出框数对齐这一自监督评价指标，以防止优化模型发生能力退化。在跨域行人检测数据集上进行的广泛实验证明了我们提出框架的有效性。此外，对两个通用无监督域自适应目标检测基准的扩展也支持我们相对于其他最先进方法的优越性。
引用
@article{arxiv.2102.00595,
title = {Box Re-Ranking: Unsupervised False Positive Suppression for Domain Adaptive Pedestrian Detection},
author = {Weijie Chen and Yilu Guo and Shicai Yang and Zhaoyang Li and Zhenxin Ma and Binbin Chen and Long Zhao and Di Xie and Shiliang Pu and Yueting Zhuang},
journal= {arXiv preprint arXiv:2102.00595},
year = {2021}
}