基于边界框偏移量的单阶段目标检测器无监督域适应
计算机视觉与模式识别
2022-07-21 v1
摘要
大多数现有的域自适应目标检测方法都利用对抗性特征对齐来适应新域。近期对对抗性特征对齐的进展致力于减少由于特征分布因物体类别不同而发生的负面影响。然而，通过分析单阶段无锚框检测器的特征，我们发现负面迁移可能是由于特征分布因边界框偏移量而不同以及类别而不同而发生的。为通过解决此问题获得域不变性，我们对偏移值条件化的特征进行对齐，考虑特征分布的模态。通过一种非常简单且有效的条件化方法，我们提出了 OADA（Offset-Aware Domain Adaptive object detector），在各种实验设置下实现了最先进的性能。此外，通过对奇异值分解进行分析，我们发现我们的模型同时增强了判别力和可迁�性。
引用
@article{arxiv.2207.09656,
title = {Unsupervised Domain Adaptation for One-stage Object Detector using Offsets to Bounding Box},
author = {Jayeon Yoo and Inseop Chung and Nojun Kwak},
journal= {arXiv preprint arXiv:2207.09656},
year = {2022}
}
备注
ECCV 2022, 24 pages