基于子空间对齐的 RCNN 检测器域自适应方法
计算机视觉与模式识别
2015-07-21 v1
摘要
本文提出了一种基于子空间对齐的域自适应方法，用于当前最先进的 RCNN 目标检测器。其目标是在无需目标域标注的情况下，在全新的真实世界目标场景中实现高质量的目标检测。尽管无监督域自适应已在目标分类任务中得到研究，但在目标检测领域仍相对未被探索。在基于子空间的目标域自适应中，我们需要获取边界框特征的源域和目标域子空间。由于缺乏监督信息（标签和边界框均缺失），该任务极具挑战性。本文表明，通过使用在源域上训练并应用于目标域的 RCNN 检测器获取检测结果，我们仍然可以自适应那些定位于目标的子空间。随后，我们从检测结果中构建局部子空间，并证明在这些子空间之间进行基于子空间对齐的自适应能够提升目标检测性能。该评估通过将具有挑战性的真实世界数据集 PASCAL VOC 作为源域，并将 Microsoft COCO 数据集的验证集作为多种类别的目标域来进行。
引用
@article{arxiv.1507.05578,
title = {Subspace Alignment Based Domain Adaptation for RCNN Detector},
author = {Anant Raj and Vinay P. Namboodiri and Tinne Tuytelaars},
journal= {arXiv preprint arXiv:1507.05578},
year = {2015}
}
备注
26th British Machine Vision Conference, Swansea, UK