DA目标检测系列1: Deeply Aligned Adaptation for Cross-domain Object Detection 阅读记录
写在前面
作为一名目标检测方面的小白,最近正在入坑域适应(Domain Adaptation, DA)目标检测,这是一个很有意思的方向,也有很多大佬说过这将是未来AI的一个方向。其实,阅读一篇文章最重要的是要理解作者的核心Idea,其具体实现的细节每篇文章都不尽相同,需要长时间的积累和实践。因此,从本篇Blog开始,我将做一个DA目标检测系列专栏,对所阅读的文章进行简单总结。
由于本人实在不够勤快,Blog中准备主要以图的方式进行记录,将文中主要框图及其关键内容进行重新整合,希望给感兴趣读者和未来的自己提供一个文章Idea回顾,快速掌握文章的精髓。希望能够得到大家的支持和认可,本人能力有限,有不足的地方还请大佬轻喷。
文章标题:Deeply Aligned Adaptation for Cross-domain Object Detection本篇
本篇文章基于FasterRCNN框架,分别针对浅层(Local)、中间层(Transition)和深层(Global)特征特点,采用不同的对其方法解决源域(Source Domain)和目标域(Target Domain)图像风格不同,导致利用源域数据集训练的模型在目标域检测时mAP低的问题。