DAOT：用于域自适应人群计数的域不可知对齐最优传输
计算机视觉与模式识别
2023-08-11 v1
摘要
域适应常用于人群计数中以弥合不同数据集间的域差距。然而，现有域适应方法倾向于关注数据集间差异，而忽视同一数据集内的内部差异，导致额外的学习歧义。这些域不可知因素（如密度、监控视角与尺度）会引起显著的域内变化，且这些因素跨域的未对齐会导致跨域人群计数性能下降。为解决此问题，我们提出一种域不可知对齐最优传输（DAOT）策略，用于对齐域间的域不可知因素。DAOT 包含三个步骤。首先，使用结构相似性（SSIM）度量域不可知因素的个体级差异。其次，采用最优传输（OT）策略平滑这些差异并寻找最优的域到域错配，同时通过虚拟“垃圾箱”列移除离群个体。第三，基于对齐的域不可知因素迁移知识，并重新训练模型进行域适应以弥合跨域差距。我们在五个标准人群计数基准上进行了大量实验，表明所提方法在不同数据集间具有强泛化性。我们的代码将发布于：https://github.com/HopooLinZ/DAOT/。
引用
@article{arxiv.2308.05311,
title = {DAOT: Domain-Agnostically Aligned Optimal Transport for Domain-Adaptive Crowd Counting},
author = {Huilin Zhu and Jingling Yuan and Xian Zhong and Zhengwei Yang and Zheng Wang and Shengfeng He},
journal= {arXiv preprint arXiv:2308.05311},
year = {2023}
}
备注
11 pages, 12 figures, 5 tables