利用特征重放与慢学习器更快训练域不变目标检测器
计算机视觉与模式识别
2021-06-01 v1 机器学习
摘要
在遥感领域基于深度学习的目标检测中，影响观测变量而不影响预测变量的干扰因素（nuisance factors）往往至关重要，因为它们引发域变化。此前，为利用干扰因素知识构建域不变特征提取器，提出了干扰解耦特征变换（NDFT）。然而，NDFT 在训练阶段耗时巨大，因此一直不切实际。本文介绍我们提出的方法 A-NDFT，它是 NDFT 的改进。A-NDFT 利用两种加速技术：特征重放（feature replay）和慢学习器（slow learner）。结果表明，在大规模 UAVDT 基准上，我们的框架能将 NDFT 的训练时间从 31 小时缩减至 3 小时，同时保持性能。代码将公开于线上。
引用
@article{arxiv.2105.14693,
title = {Training Domain-invariant Object Detector Faster with Feature Replay and Slow Learner},
author = {Chaehyeon Lee and Junghoon Seo and Heechul Jung},
journal= {arXiv preprint arXiv:2105.14693},
year = {2021}
}
备注
2021 CVPR Workshop