《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。