論文の概要: Domain Adaptive YOLO for One-Stage Cross-Domain Detection
- arxiv url: http://arxiv.org/abs/2106.13939v1
- Date: Sat, 26 Jun 2021 04:17:42 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-30 10:51:06.363377
- Title: Domain Adaptive YOLO for One-Stage Cross-Domain Detection
- Title(参考訳): 一段階クロスドメイン検出のためのドメイン適応yolo
- Authors: Shizhao Zhang, Hongya Tuo, Jian Hu, Zhongliang Jing
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 4.596221278839825
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Domain shift is a major challenge for object detectors to generalize well to
real world applications. Emerging techniques of domain adaptation for two-stage
detectors help to tackle this problem. However, two-stage detectors are not the
first choice for industrial applications due to its long time consumption. In
this paper, a novel Domain Adaptive YOLO (DA-YOLO) is proposed to improve
cross-domain performance for one-stage detectors. Image level features
alignment is used to strictly match for local features like texture, and
loosely match for global features like illumination. Multi-scale instance level
features alignment is presented to reduce instance domain shift effectively ,
such as variations in object appearance and viewpoint. A consensus
regularization to these domain classifiers is employed to help the network
generate domain-invariant detections. We evaluate our proposed method on
popular datasets like Cityscapes, KITTI, SIM10K and etc.. The results
demonstrate significant improvement when tested under different cross-domain
scenarios.
- Abstract(参考訳): ドメインシフトは、オブジェクト検出者が現実世界のアプリケーションにうまく一般化する上で、大きな課題である。
2段階検出器に対する領域適応の新しい技術は、この問題に取り組むのに役立つ。
しかし、長期消費のため、2段検出器は産業用途の第一選択ではない。
本稿では,一段検出器のクロスドメイン性能を向上させるために,新しいドメイン適応型YOLO(DA-YOLO)を提案する。
画像レベルの特徴アライメントは、テクスチャなどのローカル機能に厳密にマッチし、照明のようなグローバル機能にゆるやかにマッチする。
マルチスケールのインスタンスレベルの特徴アライメントは、オブジェクトの外観や視点のバリエーションなど、インスタンスドメインシフトを効果的に削減するために提示される。
これらのドメイン分類器に対するコンセンサス正規化は、ネットワークがドメイン不変検出を生成するのに役立つ。
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。
この結果は、異なるクロスドメインシナリオでテストした場合の大幅な改善を示している。
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) - DATR: Unsupervised Domain Adaptive Detection Transformer with Dataset-Level Adaptation and Prototypical Alignment [7.768332621617199]
我々は、オブジェクト検出の教師なし領域適応のために、ドメイン適応検出TRansformer(DATR)と呼ばれる強力なDETRベースの検出器を導入する。
提案するDATRは,教師モデルによって生成された擬似ラベルを用いて,平均教師に基づく自己学習フレームワークを組み込んで,ドメインバイアスをさらに緩和する。
複数のドメイン適応シナリオにおいて,提案したDATRの性能と一般化性を示す実験を行った。
論文 参考訳(メタデータ) (2024-05-20T03:48:45Z) - ATTA: Anomaly-aware Test-Time Adaptation for Out-of-Distribution
Detection in Segmentation [22.084967085509387]
ドメインシフトとセマンティックシフトを協調的に扱うための二重レベルOOD検出フレームワークを提案する。
第1のレベルは、グローバルな低レベル機能を活用することで、画像内にドメインシフトが存在するかどうかを区別する。
第2のレベルは、高次特徴写像を高密度に利用することにより、セマンティックシフトを伴う画素を識別する。
論文 参考訳(メタデータ) (2023-09-12T06:49:56Z) - 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) - 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) - Unsupervised Domain Adaptive 3D Detection with Multi-Level Consistency [90.71745178767203]
ディープラーニングに基づく3Dオブジェクト検出は、大規模な自律走行データセットの出現によって、前例のない成功を収めた。
既存の3Dドメイン適応検出手法は、しばしばターゲットのドメインアノテーションへの事前アクセスを前提とします。
我々は、ソースドメインアノテーションのみを利用する、より現実的な、教師なしの3Dドメイン適応検出について研究する。
論文 参考訳(メタデータ) (2021-07-23T17:19:23Z) - 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 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) - 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。