目标检测——域适应的学习笔记

1 前言

在基于深度学习的目标检测任务中，训练集与测试集样本分布的不一致是一个影响模型表现的常见因素，

为了使得训练集的分布与测试集一致，我们需要采用一定的样本增广操作；

2 备注

2.1 “第五类和第八类训练数据较少（但是测试集中占比不少）”——出现了类别分布的差异问题

可以看到在“第五类和第八类训练数据较少（但是测试集中占比不少）”的问题中，我们一眼就明白，这是一个类别分布不一致的问题；

（但是这是不是一个类别不平衡问题呢，我们一般不这样说；我们认为由于metric对各种类别同一看待，而训练集中各个类别数量占比差异巨大引起的问题，称作类别的不平衡问题）

这里我们注意到，百度冠军模型的作者有一个发现，那就是“第五类和第八类训练数据在测试集中占比不少”，这个就有点奇怪了，明明没有测试集的标注信息，他是如何得知的呢？

根据钟老师的指导，我们知道，我们可以采用“伪标签”的形式对数据进行EDA，获取测试集的类别分布的信息；