基于 Wasserstein 距离的目标检测域适应
计算机视觉与模式识别
2019-09-20 v1
摘要
在本文中，我们提出一种用于目标检测的对抗式无监督域适应框架。先前的方法利用基于源域和目标域分布之间交叉熵的对抗训练来学习最小化域差距的共享特征映射。此处，我们最小化两分布之间的 Wasserstein 距离，而非交叉熵或 Jensen-Shannon 散度，以改善目标检测任务固有的高维特征空间中域适应的稳定性。此外，我们去除源域和目标域之间共享特征映射的精确一致性约束，使目标特征映射可独立优化，这在域差距显著的情况下是必要的。我们通过经验表明，所提框架可缓解不同场景下的域偏移，并提升目标域目标检测性能。
引用
@article{arxiv.1909.08675,
title = {Wasserstein Distance Based Domain Adaptation for Object Detection},
author = {Pengcheng Xu and Prudhvi Gurram and Gene Whipps and Rama Chellappa},
journal= {arXiv preprint arXiv:1909.08675},
year = {2019}
}