ECCVMay, 2022

MTTrans: 基于 Mean-Teacher Transformer 的跨领域目标检测

PDF
TL;DR提出了一种基于平均教师框架的端到端跨域检测 Transformer，该方法可以利用未标记的目标领域数据进行目标检测训练，并通过伪标签在领域之间传输知识。通过多层次特征对齐和优化迭代，实现了在三种领域适应场景下实现了最先进的性能，特别是 Sim10k 到 Cityscapes 情景下性能显著提高。
detrobject detectioncross-domainmean teacher frameworkmulti-level feature alignment
发现论文，激发创造
  • 基于蒙面特征对齐的均值教师 DETR：一种稳健的领域自适应检测 Transformer 框架

    我们提出了一种名为 MTM 的两阶段框架，利用无监督领域自适应进行目标检测，其中包括遮蔽特征对齐的方法，该方法能够在预训练阶段防止性能波动并获得稳健的预训练模型，在自训练阶段提高模型的目标性能。

    Oct, 2023

  • DATR: 无监督领域自适应检测 Transformer 模型：基于数据集层面适应与原型对齐

    我们提出了一种强大的基于 DetR 的检测器，名为 Domain Adaptive Detection Transformer (DATR)，用于无监督域自适应目标检测，通过有效地对跨域特征进行类别感知的对齐，明确引导检测器实现全局表示，并通过使用教师模型生成的伪标签来减轻领域偏差，展示了我们的 DATR 在多个域适应场景中具有卓越的性能和泛化能力。

    May, 2024

  • DA-DETR: 带信息融合的领域自适应检测变压器

    设计了 DA-DETR，一种域自适应物体检测变压器，引入信息融合以实现从一个带标记的源域到一个未标记的目标域的有效传输，并采用 CTBlender 对卷积神经网络特征和变换器特征进行聚合。在多个广泛采用的域自适应基准测试中，DA-DETR 不断实现卓越的检测性能。

    Mar, 2021

  • 用 Transformer 进行的多目标追踪的对比学习

    通过引入实例级对比损失、修订的采样策略和轻量级分配方法，我们展示了如何将 DETR 转化为 MOT 模型，学习目标的外观并保留检测能力，其性能在具有挑战性的 BDD100K 数据集上超过了先前的最新技术水平 2.6 mMOTA，并在 MOT17 数据集上与现有的基于 transformer 的方法相媲美。

    Nov, 2023

  • 探索平均教师中的物体关系以进行跨域检测

    本研究提出了一种名称为 MTOR 的新方法，将 Mean Teacher 引入到 Faster R-CNN 网络中，通过学习对象之间的关系，结合三项一致性规则（区域级别、图形间、图形内）来进行跨领域检测，实验结果表明，在包括 Cityscapes、Foggy Cityscapes 和 SIM10k 在内的跨领域转移中，MTOR 的表现优于现有的方法，最好的单模型结果为 Syn2Real detection 数据集上的 22.8% 的 mAP。

    Apr, 2019

  • 基于无偏均衡学习的跨领域目标检测方法

    本研究提出了一种新的 UMT 模型，通过消除教师模型的偏差、使用像素级别的自适应增强训练样本、以及采用基于分布的估算策略来选择最适合当前模型的样本，从而消除了跨域识别中常见的模型偏差，并取得了显著的性能提升。

    Mar, 2020

  • 使用 Transformer 进行端到端的目标检测

    该研究提出了一种新方法，将目标检测作为直接集合预测问题进行处理，主要采用基于集合的全局损失和 Transformer 编码器 - 解码器架构构建 DETR 模型，能够高效地完成目标检测和全景分割任务，相较于许多现代检测器，DETR 模型概念简单且不需要专门的库。

    May, 2020

  • 具有全局聚合的 DETR 用于跨域弱监督物体检测

    本文提出了 DETR-GA，一种基于 DETR 的交叉域弱监督目标检测方法，它同时进行实例级别和图像级别的预测，利用强监督和弱监督相互促进，利用注意力机制在整个图像上汇聚语义信息进行图像级别的预测以进行域对齐。

    Apr, 2023

  • 跨域适应目标检测教师

    我们提出了自适应教师（AT）框架来解决使用教师 - 学生框架进行目标检测的半监督学习中由于域差异而产生的问题，AT 利用领域对抗学习和弱 - 强数据增强来缓解这一问题。

    Nov, 2021

  • PM-DETR：具有 Transformer 的用于对象检测的域自适应提示记忆

    本研究提出了一种层次化的提示域内存 (PDM)，以针对不同分布适应检测变压器。实验表明，与现有的方法相比，该方法在三个基准测试中表现更好，包括场景适应、合成到实际和天气适应。

    Jul, 2023