4月2日消息，北航提出跨域目标检测SOTA新方法，以解决domain shift问题。在论文《Cross-domain Object Detection through Coarse-to-Fine Feature Adaptation》中，他们提出了一种新颖的从粗到精的特征自适应方法来进行跨域目标检测。在粗粒度阶段，与文献中使用的粗糙图像级或实例级特征对齐不同，采用注意力机制提取前景区域，并通过多层对抗学习根据边缘分布对边缘区域进行对齐。在细粒度阶段，通过最小化具有相同类别但来自不同域的全局原型的距离来进行前景的条件分布对齐。由于这种从粗到细的特征自适应，前景区域中的领域知识可以有效地传递。在各种跨域检测方案中进行了广泛的实验，结果证明了所提出方法的广泛适用性和有效性。
分享到:
閱讀更多 智東西 的文章
