【论文速递】CVPR2019 - 通过选择性跨域对齐调整目标检测器

【论文速递】CVPR2019 - 通过选择性跨域对齐调整目标检测器

【论文原文】：Adapting Object Detectors via Selective Cross-Domain Alignment

【作者信息】：Xinge Zhu; Jiangmiao Pang; Ceyuan Yang; Jianping Shi; Dahua Lin

获取地址：http://openaccess.thecvf.com/content_CVPR_2019/papers/Zhu_Adapting_Object_Detectors_via_Selective_Cross-Domain_Alignment_CVPR_2019_paper.pdf

博主关键词： 目标检测

推荐相关论文：

无

摘要：

最先进的目标检测器通常在公共数据集上进行训练。当应用于不同的领域时，它们通常面临很大的困难，其中成像条件明显不同，并且相应的注释数据不可用（或获取成本很高）。一种自然的补救措施是通过对齐两个域上的图像表示来调整模型。例如，这可以通过对抗学习来实现，并且已被证明在图像分类等任务中是有效的。然而，我们发现在目标检测中，以这种方式获得的改进是相当有限的。一个重要原因是，传统的域适应方法努力将图像作为一个整体对齐，而目标检测本质上侧重于可能包含感兴趣对象的局部区域。受此启发，我们提出了一种用于目标检测的域自适应新方法，以处理“在哪里看”和“如何对齐”的问题。我们的关键思想是挖掘判别区域，即与目标检测直接相关的区域，并专注于在两个域中对齐它们。实验表明，在保持良好扩展性的同时，所提方法的性能明显优于现有方法，在各种域转移场景下提高了约4%∼6%。

关键词 - 目标检测。

简