面向多源域自适应目标检测的目标相关知识保留
计算机视觉与模式识别
2022-04-19 v1
摘要
域自适应目标检测 (DAOD) 是缓解检测器在新场景中性能下降的一种有前景的方法。尽管在单源域自适应方面已做出巨大努力，但由于多源组合过程中的知识退化，更具泛化性的多源域任务仍未被充分探索。为解决此问题，我们提出一种名为目标相关知识保留 (TRKP) 的新方法，用于无监督多源 DAOD。具体而言，TRKP 采用教师-学生框架，其中构建多头教师网络以从带标签源域提取知识，并指导学生网络在无标签目标域学习检测器。教师网络进一步配备对抗多源解耦 (AMSD) 模块，以保留源域特定知识并同时执行跨域对齐。此外，开发了整体目标相关挖掘 (HTRM) 方案，根据源-目标相关性对源图像重新加权。借此，教师网络被强制捕获目标相关知识，从而在指导目标域目标检测时有益于减小域偏移。在多个广泛使用的基准上进行了大量实验并报告了新的 SOTA 分数，凸显了有效性。
引用
@article{arxiv.2204.07964,
title = {Target-Relevant Knowledge Preservation for Multi-Source Domain Adaptive Object Detection},
author = {Jiaxi Wu and Jiaxin Chen and Mengzhe He and Yiru Wang and Bo Li and Bingqi Ma and Weihao Gan and Wei Wu and Yali Wang and Di Huang},
journal= {arXiv preprint arXiv:2204.07964},
year = {2022}
}
备注
CVPR2022