MIAdapt：用于显微图像的源无关少样本域自适应目标检测
计算机视觉与模式识别
2025-03-07 v2
摘要
现有的通用无监督域自适应方法在自适应过程中需要访问大规模有标签源数据集和足够无标签目标数据集。然而，收集大规模数据集（即使无标签）是一项具有挑战性且昂贵的工作，尤其是在医学成像领域。此外，隐私问题等限制因素可能导致源数据不可用的情况。考虑到这些挑战，我们提出了MIAdapt——一种用于显微图像自适应的方法，作为源无关少样本域自适应目标检测(SF-FSDA)的解决方案。我们还定义了两个竞争性基线：(1) Faster-FreeShot 和 (2) MT-FreeShot。在具有挑战性的M5-Malaria和Raabin-WBC数据集上的大量实验验证了MIAdapt的有效性。MIAdapt在不使用任何源域图像的情况下，在Raabin-WBC上超越了最先进的源无关UDA(SF-UDA)方法(+21.3% mAP)和少样本域自适应(FSDA)方法(+4.7% mAP)。我们的代码和模型将公开发布。
引用
@article{arxiv.2503.03370,
title = {MIAdapt: Source-free Few-shot Domain Adaptive Object Detection for Microscopic Images},
author = {Nimra Dilawar and Sara Nadeem and Javed Iqbal and Waqas Sultani and Mohsen Ali},
journal= {arXiv preprint arXiv:2503.03370},
year = {2025}
}
备注
6 pages, 5 figures