論文の概要: Channel-wise Alignment for Adaptive Object Detection

• arxiv url: http://arxiv.org/abs/2009.02862v1
• Date: Mon, 7 Sep 2020 02:42:18 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-21 02:55:44.641534
• Title: Channel-wise Alignment for Adaptive Object Detection
• Title（参考訳）: 適応物体検出のためのチャネルアライメント
• Authors: Hang Yang, Shan Jiang, Xinge Zhu, Mingyang Huang, Zhiqiang Shen, Chunxiao Liu, Jianping Shi
• Abstract要約: 遺伝的物体検出は、ディープ畳み込みニューラルネットワークの開発によって大いに促進されている。 このタスクの既存の方法は、通常、画像全体や関心の対象に基づいて、ハイレベルなアライメントに注意を向ける。 本稿では,チャネルワイドアライメント(チャネルワイドアライメント)という,まったく異なる観点からの適応を実現する。
• 参考スコア（独自算出の注目度）: 66.76486843397267
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Generic object detection has been immensely promoted by the development of deep convolutional neural networks in the past decade. However, in the domain shift circumstance, the changes in weather, illumination, etc., often cause domain gap, and thus performance drops substantially when detecting objects from one domain to another. Existing methods on this task usually draw attention on the high-level alignment based on the whole image or object of interest, which naturally, cannot fully utilize the fine-grained channel information. In this paper, we realize adaptation from a thoroughly different perspective, i.e., channel-wise alignment. Motivated by the finding that each channel focuses on a specific pattern (e.g., on special semantic regions, such as car), we aim to align the distribution of source and target domain on the channel level, which is finer for integration between discrepant domains. Our method mainly consists of self channel-wise and cross channel-wise alignment. These two parts explore the inner-relation and cross-relation of attention regions implicitly from the view of channels. Further more, we also propose a RPN domain classifier module to obtain a domain-invariant RPN network. Extensive experiments show that the proposed method performs notably better than existing methods with about 5% improvement under various domain-shift settings. Experiments on different task (e.g. instance segmentation) also demonstrate its good scalability.
• Abstract（参考訳）: ジェネリックオブジェクト検出は、過去10年間に深層畳み込みニューラルネットワークの開発によって大いに推進されてきた。 しかし、領域シフト状況においては、天候や照明等の変化がドメインギャップを引き起こすことが多く、あるドメインから別のドメインへの物体の検出時に性能が著しく低下する。 このタスクの既存の手法は、通常、全体像や興味の対象に基づく高レベルのアライメントに注意を向けるが、これは当然、細粒度チャネル情報を十分に活用できない。 本稿では,チャネル方向アライメントという,完全に異なる視点から適応することを実現する。 各チャネルが特定のパターン(例えば、carのような特別な意味領域)に焦点を当てていることに動機づけられ、ソースドメインとターゲットドメインの分布をチャネルレベルで調整することを目的としています。 本手法は主に自己チャネルワイドおよび横断チャネルワイドアライメントからなる。 これら2つの部分は、チャネルの観点から暗黙的に注意領域の内部関係と横断関係を探索する。 さらに,ドメイン不変なRPNネットワークを得るために,RPNドメイン分類モジュールを提案する。 広範囲にわたる実験により,提案手法は既存の手法よりも5%程度の改善がみられた。 異なるタスク(例:インスタンスセグメンテーション)の実験も、その優れたスケーラビリティを示している。

関連論文リスト

• Generalize or Detect? Towards Robust Semantic Segmentation Under Multiple Distribution Shifts [56.57141696245328]
  斬新なクラスとドメインの両方が存在するようなオープンワールドシナリオでは、理想的なセグメンテーションモデルは安全のために異常なクラスを検出する必要がある。 既存の方法はドメインレベルとセマンティックレベルの分散シフトを区別するのに苦労することが多い。
  論文  参考訳（メタデータ） (2024-11-06T11:03:02Z)
• AFAN: Augmented Feature Alignment Network for Cross-Domain Object Detection [90.18752912204778]
  オブジェクト検出のための教師なしドメイン適応は、多くの現実世界のアプリケーションにおいて難しい問題である。 本稿では、中間領域画像生成とドメイン・アドバイザリー・トレーニングを統合した新しい機能アライメント・ネットワーク(AFAN)を提案する。 提案手法は、類似および異種ドメイン適応の双方において、標準ベンチマークにおける最先端の手法よりも大幅に優れている。
  論文  参考訳（メタデータ） (2021-06-10T05:01:20Z)
• Generalized Domain Conditioned Adaptation Network [33.13337928537281]
  ドメイン適応(DA)はラベル付きソースドメインで学んだ知識をラベル付けされていないが関連するターゲットドメインに転送しようとする。 DAの最近の進歩は、主にソースとターゲットの分布を調整することによって進みます。 汎用ドメイン条件適応ネットワーク(GDCAN)を開発し、各アテンションモジュールでドメインチャネルのアクティベーションが個別にモデル化されるべきかどうかを自動決定する。
  論文  参考訳（メタデータ） (2021-03-23T06:24:26Z)
• Domain Conditioned Adaptation Network [90.63261870610211]
  本稿では,ドメイン条件付きチャネルアテンション機構を用いて,異なる畳み込みチャネルを励起するドメイン条件適応ネットワーク(DCAN)を提案する。 これは、ディープDAネットワークのドメインワイドな畳み込みチャネルアクティベーションを探求する最初の試みである。
  論文  参考訳（メタデータ） (2020-05-14T04:23:24Z)
• Spatial Attention Pyramid Network for Unsupervised Domain Adaptation [66.75008386980869]
  教師なし領域適応は様々なコンピュータビジョンタスクにおいて重要である。 教師なし領域適応のための新しい空間注意ピラミッドネットワークを設計する。 我々の手法は最先端の手法に対して大きなマージンで好適に機能する。
  論文  参考訳（メタデータ） (2020-03-29T09:03:23Z)
• Cross-domain Object Detection through Coarse-to-Fine Feature Adaptation [62.29076080124199]
  本稿では,クロスドメインオブジェクト検出のための特徴適応手法を提案する。 粗粒度では、アテンション機構を採用して前景領域を抽出し、その辺縁分布に応じて整列する。 粒度の細かい段階では、同じカテゴリのグローバルプロトタイプと異なるドメインとの距離を最小化することにより、前景の条件分布アライメントを行う。
  論文  参考訳（メタデータ） (2020-03-23T13:40:06Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。