关于检测模型在非受限环境中的泛化
计算机视觉与模式识别
2020-05-18 v1
摘要
目标检测近年来取得了巨大进展。然而,当前算法在多样数据分布上测试时泛化不佳。我们解决 India Driving Dataset (IDD) 上目标检测中的增量学习问题。我们的方法涉及使用多个领域特定分类器和专注于避免灾难性遗忘的有效迁移学习技术。我们在 IDD 和 BDD100K 数据集上评估了我们的方法。结果表明了我们的领域自适应方法在环境领域偏移情况下的有效性。
引用
@article{arxiv.1909.13080,
title = {On Generalizing Detection Models for Unconstrained Environments},
author = {Prajjwal Bhargava},
journal= {arXiv preprint arXiv:1909.13080},
year = {2020}
}
备注
In Proceedings of the 2019 IEEE International Conference on Computer Vision workshop (ICCV Workshops)