SimROD：一种用于鲁棒目标检测的简单自适应方法
计算机视觉与模式识别
2021-07-29 v1 人工智能
机器学习
机器人学
摘要
本文提出一种简单而有效的无监督自适应方法，用于鲁棒目标检测 (SimROD)。为克服域偏移与伪标签噪声的难题，我们的方法集成了一种新颖的以域为中心的增强方法、渐进式自标注自适应过程，以及教师引导的微调机制。利用我们的方法，可在不改变模型架构或生成合成数据的情况下，利用目标域样本对目标检测模型进行自适应。当应用于图像损坏与高层跨域自适应基准时，我们的方法在多个域自适应基准上优于先前的基线。SimROD 在标准实到合成与跨相机设置基准上取得了新的最先进水平 (SOTA)。在图像损坏基准上，经我们的方法自适应的模型在 Pascal-C 上实现了 15-25% AP50 的相对鲁棒性提升，在 COCO-C 与 Cityscapes-C 上实现了 5-6% AP 的提升。在跨域基准上，我们的方法在 Comic 数据集上优于最佳基线性能达 8% AP50，在 Watercolor 数据集上达 4%。
引用
@article{arxiv.2107.13389,
title = {SimROD: A Simple Adaptation Method for Robust Object Detection},
author = {Rindra Ramamonjison and Amin Banitalebi-Dehkordi and Xinyu Kang and Xiaolong Bai and Yong Zhang},
journal= {arXiv preprint arXiv:2107.13389},
year = {2021}
}
备注
Accepted to ICCV 2021 conference for full oral presentation