DA目标检测系列1

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。

原文链接

原文链接: https://arxiv.org/abs/2004.02093