VALSE 论文速览 第116期：Universal Domain Adaptive Object Detector

论文题目：Universal Domain Adaptive Object Detector

作者列表：

史文旭 (重庆大学)，张磊 (重庆大学)，陈伟杰 (海康威视)，浦世亮 (海康威视)

B站观看网址：

https://www.bilibili.com/video/BV1ju411L7UL/

论文摘要：

通用域适应目标检测 (UniDAOD)比域适应目标探测 (DAOD)更具挑战性，因为源域的标签空间可能与目标的标签空间不同，并且通用场景中目标的尺度大小可能会发生巨大变化 (即，domain shift和scale shift)。为此，我们提出了Universal Scale-Aware Domain Adaptive Faster RCNN (US-DAF)，以减少训练期间的负迁移影响。具体来说，我们的方法由两个模块实现：1) 我们通过设计过滤机制模块来克服由类别偏移引起的负迁移，从而促进公共类的特征对齐，并抑制私有类的干扰。2) 我们通过引入一种新的多标签尺度感知适配器在两个域的相应尺度之间执行个体对齐，从而弥补了域适应目标检测尺度对齐的不足。实验表明，US-DAF在三种场景 (即open-set、partial-set和closed-set)上取得了最先进的结果，并在基准数据集Clipart1k和Watercolor上取得了7.1%和5.9%的提升。

论文信息：

[1] Wenxu Shi, Lei Zhang, Weijie Chen, Shiliang Pu. Universal Domain Adaptive Object Detector. ACM MM 2022.

论文链接：

[https://dl.acm.org/doi/abs/10.1145/3503161.3547937]

代码链接：

[https://github.com/a-shi321/US-DAF]

视频讲者简介：

史文旭，重庆大学博士生，博士期间研究方向为计算机视觉，目前专注于域适应目标检测。

特别鸣谢本次论文速览主要组织者：

月度轮值AC：刘宇 (大连理工大学)、汪婧雅 (上海科技大学)