《Domain Adaptive Faster R-CNN for Object Detection in the Wild》论文笔记

《Domain Adaptive Faster R-CNN for Object Detection in the Wild》论文笔记

这是2018年CVPR的一篇物体检测的论文，目的是降低或者消除因训练集和测试集分布不同而带来的误差。

论文的网络结构为：

论文的贡献：

1）从概率的角度分析了物体检测问题域自适应或者不变性

2）从image-level和instance-level两个层面出发，引入了两个层面的域自适应或者不变性组件

3）同时在image-level和instance-level之间引入了一个一致性正则化项，来保证不同level的域自适应的一致性

 

优点：

个人感觉仅仅在训练的时候，需要用到域自适应组件，在推断的时候是不需要的

 

缺点：

域自适应的学习还是需要先明确目标场景，对于多场景目标，效果如何，就未可知了

 

PS；这次只是简要浏览了一下，下次有相关的任务时再仔细研究一下。