通过渐进式域适应的跨域弱监督目标检测
计算机视觉与模式识别
2018-04-02 v1
摘要
我们能否在没有实例级标注的各种图像域中检测常见目标？在本文中，我们提出了一个用于新任务——跨域弱监督目标检测的框架，以解决这一问题。在本文中，我们拥有源域（例如自然图像）中带有实例级标注的图像，以及目标域（例如水彩画）中带有图像级标注的图像。此外，目标域中要检测的类别是源域中类别的全部或子集。从在源域上预训练的完全监督目标检测器出发，我们提出了一种两步渐进式域适应技术，通过对两种人工和自动生成的样本微调检测器。我们在新收集的包含三个图像域的数据集上测试了我们的方法，与性能最佳的基线相比，在平均精度均值方面取得了约5到20个百分点的提升。
引用
@article{arxiv.1803.11365,
title = {Cross-Domain Weakly-Supervised Object Detection through Progressive Domain Adaptation},
author = {Naoto Inoue and Ryosuke Furuta and Toshihiko Yamasaki and Kiyoharu Aizawa},
journal= {arXiv preprint arXiv:1803.11365},
year = {2018}
}
备注
To appear at CVPR2018 (poster), including supplementary materials