cross-domain object detection | BriefGPT

关键词cross-domain object detection

搜索结果 - 9

CTS：基于模拟到真实的无监督领域自适应的三维检测
提出了一种新颖的复杂到简单框架（CTS），从有标记的仿真域（源）转移模型到无标记的实际域（目标），通过开发固定大小的锚头和 RoI 增强来提高伪标签的质量，并开发角格式表示的 Aleatoric 不确定性（AU）以统一量化伪标签质量，还基于
PDF8 days ago
多功能教师：一种面向跨领域适应的课程感知教师 - 学生框架
在跨领域目标检测中，本文引入了一种名为 Versatile Teacher (VT) 的新型教师 - 学生模型，通过考虑类别特定的检测难度并采用两步赋值机制，生成更可靠的伪标签，将其作为显著性矩阵来引导区分器进行有针对性的实例级对齐，取得了
PDFa month ago
领域相似度感知标签分配用于领域泛化的水下目标检测
该研究通过引入 “领域相似 - 感知标签分配”（Domain Similarity-Perceived Label Assignment）的概念，并结合领域特定的数据增强技术，在水下跨域目标检测基准测试 S-UODAC2020 上取得了最先
PDF6 months ago
MILA: 基于记忆的实例级别领域适应用于跨领域物体检测
在跨域目标检测中，我们提出了基于记忆的实例级领域适应框架，通过动态存储和检索记忆模块来对齐源实例和目标实例，实验结果表明我们的方法显著优于现有的非记忆方法。
PDF10 months ago
无源目标检测的对抗性对齐
本文提出了一种基于生成伪标签和对抗学习技术的无源目标检测方法，将目标域划分为相似子集和不相似子集，并通过平均教师框架中的对抗模块来提高伪标签的质量，实验表明该方法在跨域目标检测方面表现优异。
PDFa year ago
跨域目标检测的分离式适应
本文提出基于 D-adapt 的跨域目标检测方法，通过对对抗性适应性和检测器训练的分离来消除前景和背景特征的混淆，并通过引入边界框适配器来填补物体检测中回归域适应的空白，在四项跨领域目标检测任务中取得了最先进的结果，并在特别是 Clipa
PDF3 years ago
ICCVPIT：面向 FoV 交叉领域自适应的位置不变变换
该研究旨在通过提出 Position-Invariant Transform（PIT）方法，解决不同领域的图像识别问题。实验表明，该方法可以提高当前最先进的交叉领域目标检测和分割技术的性能。
PDF3 years ago
ECCV跨领域目标检测的二维特征对齐
本文提出一种新颖的无监督跨领域检测模型，在源域中利用标注数据训练一个针对不同目标域的物体探测器，通过在两个维度上进行跨领域特征对齐，即深度和空间维度，来缓解物体检测中的跨领域表示差异。实验证明该模型胜过现有的比较方法。
PDF4 years ago
CVPR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。
PDF4 years ago