面向目标检测的物体感知域泛化
计算机视觉与模式识别
2023-12-20 v1 机器学习
摘要
单域泛化（S-DG）旨在利用单一源域将模型泛化到未见环境。然而，大多数S-DG方法是在分类领域进行的。当这些方法应用于目标检测时，某些物体的语义特征可能会受损，从而导致不精确的物体定位和误分类。为了解决这些问题，我们提出了一种用于目标检测中单域泛化的物体感知域泛化（OA-DG）方法。我们的方法由数据增强和训练策略组成，分别称为OA-Mix和OA-Loss。OA-Mix通过多级变换和物体感知混合策略生成多域数据。OA-Loss使模型能够从原始图像和OA-Mixed图像中学习物体和背景的域不变表示。我们提出的方法在标准基准测试上优于SOTA工作。我们的代码可在 https://github.com/WoojuLee24/OA-DG 获取。
引用
@article{arxiv.2312.12133,
title = {Object-Aware Domain Generalization for Object Detection},
author = {Wooju Lee and Dasol Hong and Hyungtae Lim and Hyun Myung},
journal= {arXiv preprint arXiv:2312.12133},
year = {2023}
}
备注
Accepted by AAAI-24. The first two authors contributed equally