qq_50001789的博客

本文为笔者根据部分顶会文章所写的域适应目标检测算法总结，同时包括一些该方向的思考，相信你读完肯定会有很大的收获。

域适应目标检测算法笔记汇总

域适应目标检测：CST-MCD源码笔记——Collaborative Training between Region Proposal Localization and Classification

域适应目标检测：MeGA-CDA源码笔记——MeGA-CDA: Memory Guided Attention for Category-Aware Unsupervised Domain Adaptive Object Detection

域适应目标检测：MeGA-CDA论文笔记——MeGA-CDA: Memory Guided Attention for Category-Aware Unsupervised Domain Adaptive Object Detection本文提出了一种用于域适应目标检测的类别特征对齐方法，具体地来说，通过构建类判别器来将类别信息纳入领域对齐的过程中。为了克服缺乏目标域类别特征所产生的问题，作者还提出了一种由记忆引导的注意力机制。

域适应目标检测：CST-MCD论文笔记——Collaborative Training between Region Proposal Localization and Classification for Domain Adaptive Object Detection本文首次揭示了二阶段检测器(如Faster RCNN)中的RPN、RPC模块在面临大的领域间隙时会表现出显著不同的可转移性（领域适应能力），基于上述观察，作者为RPN与RPC设计了协同自训练策略，让他们重点关注具有高置信度的ROI。

域适应目标检测：ATF源码笔记——Domain Adaptive Object Detection via Asymmetric Tri-way Faster-RCNN

域适应目标检测：ATF论文笔记——Domain Adaptive Object Detection via Asymmetric Tri-way Faster-RCNN本文提出了一种非对称三路网络来解决无监督域适应目标检测中参数共享引起的源域特征失控问题，主要就是在网络中新加入了一个由源域标签监督训练的辅助网络，该网络参数和主网络参数相互独立。

域适应分类：MCD论文笔记——Maximum Classifier Discrepancy for Unsupervised Domain Adaptation

域适应目标检测：ICR-CCR源码笔记——Exploring Categorical Regularization for Domain Adaptive Object Detection

域适应目标检测：ICR-CCR论文笔记——Exploring Categorical Regularization for Domain Adaptive Object Detection本文提出了一个基于DA Faster的分类正则化框架，以提高检测模型的自适应能力。具体的来说，作者利用了多标签分类网络的弱定位能力和图像级预测与实例级预测之间的一致性，通过让网络聚焦于对齐物体相关的局部区域特征和难对齐的实例特征来进一步提升模型的领域自适应能力。

域适应目标检测：Coarse-to-Fine论文笔记——Cross-domain Object Detection through Coarse-to-Fine Feature Adaptation本文提出了一种由粗到细的特征自适应算法来解决跨域目标检测问题，该算法主要有两个模块构成——ART和PSA，前者利用注意力机制以类别不可知的方式构造前景区域，并且在领域特征对齐时突出前景区域的重要性，后者利用原型在语义层面(即结合了类别信息)对前景进行细粒度的调整，对每个类别执行不同的对齐。

论文《Strong-Weak Distribution Alignment for Adaptive Object Detection》源码笔记

论文题目：《Strong-Weak Distribution Alignment for Adaptive Object Detection》本文提出了一种基于强局部对齐和弱全局对齐的无监督域适应目标检测算法，主要的贡献就是设计了一种弱对齐模块，将对抗损失集中在全局相似的图像上，远离全局不相似的图像，并且针对特征图上局部的感受野区域设计了强局部对齐模块。

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

论文题目：《Domain Adaptive Faster R-CNN for Object Detection in the Wild》本文提出了一种有效解决跨域目标检测问题的域适应Faster R-CNN算法，可以实现在不使用任何附加标记数据的情况下获得新领域鲁棒性的检测器。作者在对跨域目标检测理论分析的基础上，提出了一个图像级自适应组件和实例级自适应组件来缓解由域偏移引起的模型性能下降的问题