关键词source-free object detection
搜索结果 - 4
- 无源领域自适应遥感图像物体检测
该研究提出了一种针对遥感图像的实际无源目标检测方法,通过扰动域生成和多层次对齐实现目标域适应,验证了该方法的有效性,并表明该方法可以扩展到其他领域。
- CLIP 引导的无源目标检测在航空图像中
我们提出了一种新颖的无源物体检测(SFOD)方法,利用对比式语言 - 图像预训练(CLIP)引导生成伪标签进行自我训练,以实现在领域适应中的准确学习。实验结果表明,我们的方法优于其他比较算法。
- 利用低置信度伪标签进行无源目标检测
我们提出了一种新的方法来充分利用伪标签,通过引入高和低置信度阈值,使用 Proposal Soft Training (PST) 和 Local Spatial Contrastive Learning (LSCL) 模块来利用低置信度的伪 - 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。