重新思考跨域行人检测：面向无实例单阶段检测器的背景聚焦分布对齐框架
计算机视觉与模式识别
2023-09-19 v1 人工智能
摘要
跨域行人检测旨在将行人检测器从标注丰富的源域泛化到标注稀缺的目标域，这对多种实际应用至关重要。近期多数工作聚焦于域对齐，以在实例级或图像级训练域自适应检测器。从实用角度看，单阶段检测器速度更快。因此，我们专注于为缺乏实例级提议、仅能进行图像级特征对齐的快速单阶段检测器设计跨域算法。然而，纯图像级特征对齐会导致前景-背景错位问题，即源域图像中的前景特征被错误地与目标域图像中的背景特征对齐。为解决该问题，我们系统分析了前景与背景在图像级跨域对齐中的重要性，并认识到背景在图像级跨域对齐中起着更关键的作用。因此，我们聚焦于跨域背景特征对齐，同时将前景特征对跨域对齐阶段的影响降至最低。本文提出一种新颖框架，即背景聚焦分布对齐（BFDA），用于训练域自适应单阶段行人检测器。具体而言，BFDA 首先从整幅图像特征图中解耦出背景特征，随后通过一种新颖的长短程判别器对其对齐。
引用
@article{arxiv.2309.08771,
title = {Rethinking Cross-Domain Pedestrian Detection: A Background-Focused Distribution Alignment Framework for Instance-Free One-Stage Detectors},
author = {Yancheng Cai and Bo Zhang and Baopu Li and Tao Chen and Hongliang Yan and Jingdong Zhang and Jiahao Xu},
journal= {arXiv preprint arXiv:2309.08771},
year = {2023}
}
备注
This paper published on IEEE Transactions on Image Processing on August 2023.See https://ieeexplore.ieee.org/document/10231122