基于门控网络的训练模型融合用于目标检测
计算机视觉与模式识别
2020-03-04 v1
摘要
计算机视觉中迁移学习的主要方法试图将源域一对一地适配到目标域。然而，这种场景难以应用于诸如视频监控系统等实际应用。由于这些系统在被视为源域的每个位置安装了多台摄像机，很难确定合适的源域。在本文中，我们引入一种具有多个源域和一个目标域的新迁移学习场景，假设视频监控系统集成。此外，我们提出一种通过融合在各源域上训练的模型来自动生成高精度模型的新方法。特别地，我们展示了如何应用门控网络来融合源域以用于目标检测任务，这是一种新途径。我们通过在交通监控数据集上的实验证明了我们方法的有效性。
引用
@article{arxiv.2003.01288,
title = {Trained Model Fusion for Object Detection using Gating Network},
author = {Tetsuo Inoshita and Yuichi Nakatani and Katsuhiko Takahashi and Asuka Ishii and Gaku Nakano},
journal= {arXiv preprint arXiv:2003.01288},
year = {2020}
}
备注
Accepted to ACPR 2019