ConfMix：基于置信度混合的无监督域自适应目标检测方法
计算机视觉与模式识别
2022-10-24 v1
摘要
无监督域自适应（UDA）用于目标检测，旨在将源域上训练的模型适配到标注不可用的新目标域以检测实例。与传统方法不同，我们提出 ConfMix，这是首个引入基于区域级检测置信度的样本混合策略用于自适应目标检测器学习的方法。我们将目标样本中与最置信伪检测相对应的局部区域与源图像混合，并应用额外的一致性损失项以逐步适配目标数据分布。为了鲁棒地定义区域的置信度分数，我们利用每个伪检测的置信度分数，其同时考虑了检测器相关置信度与边界框不确定性。此外，我们提出一种新颖的伪标注方案，利用沿训练过程由宽松到严格变化的置信度度量逐步过滤伪目标检测。我们使用三个数据集进行了大量实验，在其中两个上取得了最先进的性能，在另一个上接近有监督目标模型的性能。代码见：https://github.com/giuliomattolin/ConfMix。
引用
@article{arxiv.2210.11539,
title = {ConfMix: Unsupervised Domain Adaptation for Object Detection via Confidence-based Mixing},
author = {Giulio Mattolin and Luca Zanella and Elisa Ricci and Yiming Wang},
journal= {arXiv preprint arXiv:2210.11539},
year = {2022}
}
备注
Accepted in WACV 2023