論文の概要: Domain Adaptive Object Detection via Feature Separation and Alignment
- arxiv url: http://arxiv.org/abs/2012.08689v1
- Date: Wed, 16 Dec 2020 01:44:34 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-03 02:59:30.583405
- Title: Domain Adaptive Object Detection via Feature Separation and Alignment
- Title（参考訳）: 特徴分離とアライメントによるドメイン適応オブジェクト検出
- Authors: Chengyang Liang, Zixiang Zhao, Junmin Liu, Jiangshe Zhang
- Abstract要約: 対向型ドメイン適応オブジェクト検出法(DAOD)が急速に開発されている。
本稿では,grey-scale feature separation (gsfs) モジュール,local-global feature alignment (lgfa) モジュール,および region-instance-level alignment (rila) モジュールからなる特徴分離アライメントネットワーク (fsanet) を確立する。
私達のFSANetはターゲット ドメインの検出でよりよい性能を達成し、最先端の方法を超過します。
- 参考スコア（独自算出の注目度）: 11.4768983507572
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recently, adversarial-based domain adaptive object detection (DAOD) methods
have been developed rapidly. However, there are two issues that need to be
resolved urgently. Firstly, numerous methods reduce the distributional shifts
only by aligning all the feature between the source and target domain, while
ignoring the private information of each domain. Secondly, DAOD should consider
the feature alignment on object existing regions in images. But redundancy of
the region proposals and background noise could reduce the domain
transferability. Therefore, we establish a Feature Separation and Alignment
Network (FSANet) which consists of a gray-scale feature separation (GSFS)
module, a local-global feature alignment (LGFA) module and a
region-instance-level alignment (RILA) module. The GSFS module decomposes the
distractive/shared information which is useless/useful for detection by a
dual-stream framework, to focus on intrinsic feature of objects and resolve the
first issue. Then, LGFA and RILA modules reduce the distributional shifts of
the multi-level features. Notably, scale-space filtering is exploited to
implement adaptive searching for regions to be aligned, and instance-level
features in each region are refined to reduce redundancy and noise mentioned in
the second issue. Various experiments on multiple benchmark datasets prove that
our FSANet achieves better performance on the target domain detection and
surpasses the state-of-the-art methods.
- Abstract（参考訳）: 近年,対向型ドメイン適応オブジェクト検出法(DAOD)が急速に開発されている。
しかし、緊急に解決しなければならない問題が2つある。
まず、各ドメインのプライベート情報を無視しながら、ソースとターゲットドメインの全ての機能を整列させることで、多くのメソッドが分散シフトを減らす。
第二に、DAODは画像内の既存の領域に特徴アライメントを考慮すべきである。
しかし、領域の提案とバックグラウンドノイズの冗長性は、ドメインの転送可能性を減らす可能性がある。
そこで,grey-scale feature separation (gsfs) モジュール,local-global feature alignment (lgfa) モジュール,および region-instance-level alignment (rila) モジュールからなる特徴分離アライメントネットワーク (fsanet) を構築した。
GSFSモジュールは、二重ストリームフレームワークによる検出で役に立たない、散在/共有された情報を分解し、本質的なオブジェクト機能に集中し、最初の問題を解決する。
そして、LGFAとRILAモジュールはマルチレベル機能の分散シフトを低減する。
特に、スケールスペースフィルタリングはアライン化すべき領域の適応的探索の実装に活用され、各領域のインスタンスレベルの特徴を洗練し、第2号で述べた冗長性とノイズを低減する。
複数のベンチマークデータセットに対する様々な実験により、FSANetはターゲット領域の検出においてより良いパフォーマンスを達成し、最先端の手法を超えることが証明された。
関連論文リスト
- Robust Domain Adaptive Object Detection with Unified Multi-Granularity Alignment [59.831917206058435]
ドメイン適応検出は、ターゲットドメイン上の検出器の一般化を改善することを目的としている。
近年のアプローチは、異なる粒度の特徴アライメントを通じて、逆学習を通じてドメイン適応を実現する。
ドメイン不変な特徴学習のための統合多重粒度アライメント(MGA)に基づく検出フレームワークを提案する。
論文 参考訳（メタデータ） (2023-01-01T08:38:07Z) - Multi-Granularity Alignment Domain Adaptation for Object Detection [33.32519045960187]
ドメイン適応型オブジェクト検出は、ソースドメインとターゲットドメインの間に特有のデータ分布があるため、難しい。
ドメイン不変な特徴学習に向けた多粒度アライメントに基づくオブジェクト検出フレームワークを提案する。
論文 参考訳（メタデータ） (2022-03-31T09:05:06Z) - Domain Generalisation for Object Detection under Covariate and Concept Shift [10.32461766065764]
ドメインの一般化は、ドメイン固有の特徴を抑えながら、ドメイン不変の機能の学習を促進することを目的としている。
オブジェクト検出のためのドメイン一般化手法を提案し, オブジェクト検出アーキテクチャに適用可能な最初のアプローチを提案する。
論文 参考訳（メタデータ） (2022-03-10T11:14:18Z) - An Unsupervised Domain Adaptive Approach for Multimodal 2D Object
Detection in Adverse Weather Conditions [5.217255784808035]
本稿では、ソースとターゲットドメイン間のドメインギャップを埋めるために、教師なしのドメイン適応フレームワークを提案する。
天候の歪みをシミュレートするデータ拡張方式を用いて、ドメインの混乱を増し、ソースデータへの過度な適合を防止する。
DENSEデータセットで行った実験は、我々の手法がドメインギャップを大幅に軽減できることを示している。
論文 参考訳（メタデータ） (2022-03-07T18:10:40Z) - Decompose to Adapt: Cross-domain Object Detection via Feature
Disentanglement [79.2994130944482]
本研究では,DDF(Domain Disentanglement Faster-RCNN)を設計し,タスク学習のための特徴のソース固有情報を排除した。
DDF法は,グローバルトリプルト・ディアンタングルメント(GTD)モジュールとインスタンス類似性・ディアンタングルメント(ISD)モジュールを用いて,グローバルおよびローカルステージでの機能ディアンタングルを容易にする。
提案手法は,4つのUDAオブジェクト検出タスクにおいて最先端の手法より優れており,広い適用性で有効であることが実証された。
論文 参考訳（メタデータ） (2022-01-06T05:43:01Z) - 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) - Cross-Domain Grouping and Alignment for Domain Adaptive Semantic
Segmentation [74.3349233035632]
深層畳み込みニューラルネットワーク(CNN)内のソースドメインとターゲットドメインにセマンティックセグメンテーションネットワークを適用する既存の技術は、対象ドメイン自身や推定カテゴリ内のクラス間変異を考慮していない。
学習可能なクラスタリングモジュールと、クロスドメイングルーピングとアライメントと呼ばれる新しいドメイン適応フレームワークを導入する。
本手法はセマンティクスセグメンテーションにおける適応性能を一貫して向上させ,様々なドメイン適応設定において最先端を上回っている。
論文 参考訳（メタデータ） (2020-12-15T11:36:21Z) - 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) - Cross-domain Detection via Graph-induced Prototype Alignment [114.8952035552862]
カテゴリレベルのドメインアライメントを求めるグラフ誘発プロトタイプアライメント(GPA)フレームワークを提案する。
さらに,クラス不均衡がドメイン適応に与える影響を軽減するために,クラス重み付きコントラスト損失を設計する。
我々のアプローチは、既存の手法よりも顕著なマージンで優れています。
論文 参考訳（メタデータ） (2020-03-28T17:46:55Z)
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。