记录几篇关于域自适应目标检测的论文

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) ：

1. Uncertainty-Aware Unsupervised Domain Adaptation in Object Detection
2. Integrated Multiscale Domain Adaptive YOLO
3. Attention-based domain adaptation for single-stage detectors
4. AsyFOD: An Asymmetric Adaptation Paradigm for Few-Shot Domain Adaptive Object Detection
5. Cross-Domain Adaptive Teacher for Object Detection
6. Domain Adaptive Object Detection for Autonomous Driving under Foggy Weather
7. Domain Adaptive YOLO for One-Stage Cross-Domain Detection
8. Domain-Specific Suppression for Adaptive Object Detection
9. Uncertainty-Aware Unsupervised Domain Adaptation in Object Detection
10. Harmonious Teacher for Cross-domain Object Detection
11. 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。