基于语义补偿的源自域自适应目标检测
计算机视觉与模式识别
2025-10-02 v3
摘要
强数据增广是基于均值教师的源自域自适应目标检测方法中的核心要素，使其能够沿着弱增强实现基于一致性的自监督优化。然而，我们的理论分析和经验观察揭示了一个关键局限性：强增强可能无意中擦除类别相关组件，导致人工的类别间混淆。为此，我们引入弱到强语义补偿 (WSCo)，利用保留完整语义的弱增强图像作为锚点来丰富其强增强版本的特征空间。本质上，这补偿了在强增强过程中可能丢失的类别相关语义。值得注意的是，WSCo 可作为通用的插件实现，轻松集成到任何现有的源自域自适应检测管道中。大量实验验证了强增强对检测性能的负面影响，以及 WSCo 在提升标准基准上先前检测模型性能方面的有效性。
引用
@article{arxiv.2410.05557,
title = {Source-Free Domain Adaptive Object Detection with Semantics Compensation},
author = {Song Tang and Jiuzheng Yang and Mao Ye and Boyu Wang and Yan Gan and Xiatian Zhu},
journal= {arXiv preprint arXiv:2410.05557},
year = {2025}
}