domain adaptive object detection (DAOD) leverages a labeled domain to learn
an object detector generalizing to a novel domain free of annotations. Recent
advances align class-conditional distributions by narrowing down cross-domain
prototypes (class centers). Though great success,they
我们提出了一种解决无监督开放域识别问题的方法,该问题中标记源域种类是未标记的目标域的一个子集。我们设计了语义引导匹配差异来衡量源域和目标域之间的不对称标签空间的域差异,并设计了有限平衡约束来实现更平衡的分类输出。我们开发了一个联合学习的网络,通过减少 SGMD,强制执行有限平衡约束和最小化 S 上的分类损失,同时学习骨干分类网络和 GCN。我们的实验结果表明,我们的方法在识别已知和未知类别的图像时具有优越性。