DA-DETR：具有信息融合的域自适应检测Transformer
计算机视觉与模式识别
2023-03-23 v2
摘要
近期的检测Transformer（DETR）通过去除传统两阶段目标检测器中采用的手动设计与超参数，简化了目标检测流程。然而，如何在域自适应目标检测中利用这一简洁而高效的DETR架构在很大程度上被忽视了。受独特DETR注意力机制的启发，我们设计了DA-DETR，一种引入信息融合以实现从有标签源域到无标签目标域有效迁移的域自适应目标检测Transformer。DA-DETR引入了一种新颖的CNN-Transformer混合器（CTBlender），巧妙融合CNN特征与Transformer特征，以实现跨域的有效特征对齐与知识迁移。具体而言，CTBlender利用Transformer特征在多个尺度上调制CNN特征，融合高层语义信息与低层空间信息以准确识别与定位目标。大量实验表明，DA-DETR在多个广泛采用的域自适应基准上持续取得优越检测性能。
引用
@article{arxiv.2103.17084,
title = {DA-DETR: Domain Adaptive Detection Transformer with Information Fusion},
author = {Jingyi Zhang and Jiaxing Huang and Zhipeng Luo and Gongjie Zhang and Xiaoqin Zhang and Shijian Lu},
journal= {arXiv preprint arXiv:2103.17084},
year = {2023}
}
备注
Accepted to CVPR2023