域适应目标检测:ATF论文笔记——Domain Adaptive Object Detection via Asymmetric Tri-way Faster-RCNN
综述
论文题目:《Domain Adaptive Object Detection via Asymmetric Tri-way Faster-RCNN》
会议时间:European Conference on Computer Vision 2020 (ECCV 20)
论文地址:https://www.ecva.net/papers/eccv_2020/papers_ECCV/papers/123690307.pdf
源码地址:https://github.com/He-Zhenwei/ATF
针对领域:域适应目标检测
主要思想
随着无监督领域自适应技术的发展,通过将知识从语义相关的源域迁移到目标域来减轻领域偏移问题成为了可能,目前大多数跨域模型都是使用迁移学习的思想来学习领域不变的特征(domain invariant features),即对于不同领域的图片,让特征提取器得到域不变的特征表示,进一步使源域数据和目标域数据产生足够的混淆,从而让检测器具有域不变的特性。但强制使特征具有域不变的特性会不可避免地扭曲原始数据的特征分布,从而破坏两个领域之间的结构性区别特征(structural discrimination)(类内紧密性(compactn