基于SE适配层与中心损失的目标检测域适应
计算机视觉与模式识别
2022-05-26 v1
摘要
尽管目标检测日益受到关注，但极少有工作解决极具实际意义的跨域鲁棒性问题，尤其是面向自动驾驶应用。为防止因域偏移导致性能下降，我们提出一种无监督域适应方法，构建于faster-RCNN基础之上，含两个分别处理实例级与图像级偏移的域适应组件，并在二者间施加一致性正则化。我们还引入一类利用压缩激励机制的适配层，称为SE Adaptors，以改善域注意力，从而无需预先知晓新目标域即可提升性能。最后，我们在实例级与图像级表征中融入中心损失以改善类内方差。我们以Cityscapes为源域、Foggy Cityscapes为目标域报告全部结果，优于先前基线。
引用
@article{arxiv.2205.12923,
title = {Domain Adaptation for Object Detection using SE Adaptors and Center Loss},
author = {Sushruth Nagesh and Shreyas Rajesh and Asfiya Baig and Savitha Srinivasan},
journal= {arXiv preprint arXiv:2205.12923},
year = {2022}
}