論文の概要: Attention-based Domain Adaptation for Single Stage Detectors

• arxiv url: http://arxiv.org/abs/2106.07283v1
• Date: Mon, 14 Jun 2021 10:30:44 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-16 01:47:53.961423
• Title: Attention-based Domain Adaptation for Single Stage Detectors
• Title（参考訳）: 単段検出器の注意に基づくドメイン適応
• Authors: Vidit and Mathieu Salzmann
• Abstract要約: 適応が焦点を置くべき重要な領域を特定するための注意機構を導入する。 我々のアプローチは汎用的で、任意の単段検出器に統合できる。 等価な単一ステージアーキテクチャでは、この手法は最先端のドメイン適応技術より優れている。
• 参考スコア（独自算出の注目度）: 75.88557558238841
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: While domain adaptation has been used to improve the performance of object detectors when the training and test data follow different distributions, previous work has mostly focused on two-stage detectors. This is because their use of region proposals makes it possible to perform local adaptation, which has been shown to significantly improve the adaptation effectiveness. Here, by contrast, we target single-stage architectures, which are better suited to resource-constrained detection than two-stage ones but do not provide region proposals. To nonetheless benefit from the strength of local adaptation, we introduce an attention mechanism that lets us identify the important regions on which adaptation should focus. Our approach is generic and can be integrated into any single-stage detector. We demonstrate this on standard benchmark datasets by applying it to both SSD and YOLO. Furthermore, for an equivalent single-stage architecture, our method outperforms the state-of-the-art domain adaptation technique even though it was designed specifically for this particular detector.
• Abstract（参考訳）: ドメイン適応は、トレーニングとテストデータが異なる分布に従う場合のオブジェクト検出の性能を改善するために使われてきたが、以前の研究は主に2段階検出器に焦点を当てている。 これは、地域提案を用いることで局所的な適応が可能となり、適応効果が著しく向上することが示されているためである。 これとは対照的に,2段階検出よりもリソース制約のある検出に適しているが,地域提案は提供していないシングルステージアーキテクチャを対象としている。 それにもかかわらず、地域適応の強みの恩恵を受けるため、適応が焦点を置くべき重要な領域を特定するための注意機構を導入する。 我々のアプローチは汎用的で、任意の単段検出器に統合できる。 SSDとYOLOの両方に適用することで、標準的なベンチマークデータセットでこれを実証する。 さらに, 等価な単段アーキテクチャでは, 本手法は特定の検出器用に特別に設計されたにもかかわらず, 最先端のドメイン適応技術に勝る。

関連論文リスト

• Improving Single Domain-Generalized Object Detection: A Focus on Diversification and Alignment [17.485775402656127]
  基底検出器は、単一領域の一般化のための既存の手法を良いマージンで上回ることができる。 分類と局所化の両方の出力を考慮して,複数のビューから検出を整列する手法を提案する。 我々のアプローチは検出器非依存であり、単段検出器と二段検出器の両方にシームレスに適用できる。
  論文  参考訳（メタデータ） (2024-05-23T12:29:25Z)
• Point-Level Region Contrast for Object Detection Pre-Training [147.47349344401806]
  本稿では,物体検出作業のための自己教師付き事前学習手法である点レベル領域コントラストを提案する。 提案手法は,異なる領域から個々の点対を直接抽出することにより,コントラスト学習を行う。 領域ごとの集約表現と比較すると,入力領域の品質の変化に対して,我々のアプローチはより堅牢である。
  論文  参考訳（メタデータ） (2022-02-09T18:56:41Z)
• Domain Adaptive Semantic Segmentation with Regional Contrastive Consistency Regularization [19.279884432843822]
  本稿では,領域適応型セマンティックセマンティックセグメンテーションのための局所コントラスト整合正規化(RCCR)と呼ばれる,新しいエンドツーエンドのトレーニング可能なアプローチを提案する。 私たちの中核となる考え方は、異なる画像の同じ位置から抽出された類似の地域的特徴を取り除き、その一方、2つの画像の異なる位置から特徴を分離することです。
  論文  参考訳（メタデータ） (2021-10-11T11:45:00Z)
• Domain Adaptive YOLO for One-Stage Cross-Domain Detection [4.596221278839825]
  ドメイン適応型YOLO (DA-YOLO) は1段検出器のクロスドメイン性能を向上させるために提案される。 提案手法を,Cityscapes,KITTI,SIM10Kなどの一般的なデータセット上で評価する。
  論文  参考訳（メタデータ） (2021-06-26T04:17:42Z)
• Enhancing Object Detection for Autonomous Driving by Optimizing Anchor Generation and Addressing Class Imbalance [0.0]
  本研究では,より高速なR-CNNに基づく拡張型2次元物体検出器を提案する。 より高速なr-cnnに対する修正は計算コストを増加させず、他のアンカーベースの検出フレームワークを最適化するために容易に拡張できる。
  論文  参考訳（メタデータ） (2021-04-08T16:58:31Z)
• On Evolving Attention Towards Domain Adaptation [110.57454902557767]
  本稿では、人間の介入なしに特定のUDAタスクの注意構成を進化させる新しいフレームワークであるEvoADAを提案する。 Office-31、Office-Home、CUB-Paintings、Duke-Market-1510といったクロスドメインベンチマークの実験は、提案されたEvoADAが一貫して複数の最先端ドメイン適応アプローチを向上していることを示している。
  論文  参考訳（メタデータ） (2021-03-25T01:50:28Z)
• Unsupervised Domain Adaptation for Spatio-Temporal Action Localization [69.12982544509427]
  S時間動作の局所化はコンピュータビジョンにおいて重要な問題である。 本稿では、エンドツーエンドの教師なしドメイン適応アルゴリズムを提案する。 空間的特徴と時間的特徴を別々にあるいは共同的に適応した場合に,顕著な性能向上が達成できることを示す。
  論文  参考訳（メタデータ） (2020-10-19T04:25:10Z)
• Collaborative Training between Region Proposal Localization and Classification for Domain Adaptive Object Detection [121.28769542994664]
  オブジェクト検出のためのドメイン適応は、ラベル付きデータセットからラベル付きデータセットへの検出を適応させようとする。 本稿では,地域提案ネットワーク (RPN) と地域提案分類器 (RPC) が,大きなドメインギャップに直面した場合の転送可能性が大きく異なることを初めて明らかにする。
  論文  参考訳（メタデータ） (2020-09-17T07:39:52Z)
• 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。