23年的综述:Unsupervised Domain Adaptation of Object Detectors: A Survey
域自适应目标检测 (单阶段和两阶段) :
- Uncertainty-Aware Unsupervised Domain Adaptation in Object Detection
- Integrated Multiscale Domain Adaptive YOLO
- Attention-based domain adaptation for single-stage detectors
- AsyFOD: An Asymmetric Adaptation Paradigm for Few-Shot Domain Adaptive Object Detection
- Cross-Domain Adaptive Teacher for Object Detection
- Domain Adaptive Object Detection for Autonomous Driving under Foggy Weather
- Domain Adaptive YOLO for One-Stage Cross-Domain Detection
- Domain-Specific Suppression for Adaptive Object Detection
- Uncertainty-Aware Unsupervised Domain Adaptation in Object Detection
- Harmonious Teacher for Cross-domain Object Detection
- ConfMix: Unsupervised Domain Adaptation for Object Detection via Confidence-based Mixing
因为之前做过域自适应的语义分割,感觉域自适应目标检测和语义分割既有相同的部分又有不同的部分。相同的部分是套路大概都相同,分了对抗学习,自监督学习,图像翻译等和语义分割相同的一些分类。不同的部分是由于有监督目标检测的分类不同 (单阶段和两阶段的分类) 所以会导致在一些具体的方法有所不同。
上述列出的论文都是在21年之后。简单了解目标检测的可能都清楚,两阶段的太费时了,再加上域自适应本来实时性就不高,所以两阶段的域自适应可能不是个好的选择。但是由于两阶段在域自适应的准确率方面会是有一定优势的 (特征对齐),所以21年之前的域自适应目标检测论文大都是两阶段的。21年之后用单阶段做的 (yolo,SSD)就比较多了,而且准确率也不差,所以还是单阶段的域自适应目标检测吧,嘿嘿。