检测、增广、组合与适配：目标检测中无监督域自适应的四步法
计算机视觉与模式识别
2023-08-30 v1
摘要
无监督域自适应（UDA）在将源域训练的检测器适配到无标注数据的目标域时，于目标检测中起着关键作用。本文提出一种新颖有效的四步 UDA 方法，利用自监督并同时训练源域和目标域数据。我们借助自监督学习缓解目标域中缺乏真值的问题。我们的方法包含以下步骤：（1）识别每幅目标图像中置信度最高的检测区域集合，作为伪标签；（2）裁剪识别区域并生成其一组增广版本；（3）将这些增广版本组合成一幅合成图像；（4）使用合成图像将网络适配到目标域。在跨摄像头、跨天气以及合成到真实的场景下的大量实验表明，我们的方法达到了最先进性能，在平均精度均值（mAP）上比较最接近的竞争方法提升超过 2%。代码见 https://github.com/MohamedTEV/DACA。
引用
@article{arxiv.2308.15353,
title = {Detect, Augment, Compose, and Adapt: Four Steps for Unsupervised Domain Adaptation in Object Detection},
author = {Mohamed L. Mekhalfi and Davide Boscaini and Fabio Poiesi},
journal= {arXiv preprint arXiv:2308.15353},
year = {2023}
}