論文の概要: Domain Generalisation for Object Detection
- arxiv url: http://arxiv.org/abs/2203.05294v1
- Date: Thu, 10 Mar 2022 11:14:18 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-11 14:31:07.058346
- Title: Domain Generalisation for Object Detection
- Title(参考訳): オブジェクト検出のためのドメイン一般化
- Authors: Karthik Seemakurthy, Charles Fox, Erchan Aptoula, Petra Bosilj
- Abstract要約: 本稿では,物体検出設定における領域一般化について検討する。
本稿では,境界ボックス検出器とドメイン属性の両方を扱うための新しい用語を提案する。
我々は、ドメイン一般化問題に適用可能な、オブジェクト検出のためのドメインに依存しない特徴表現を学習する。
- 参考スコア(独自算出の注目度): 5.2475574493706025
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Domain generalisation aims to promote the learning of domain-invariant
features while suppressing domain specific features, so that a model can
generalise well on previously unseen target domains. This paper studies domain
generalisation in the object detection setting. We propose new terms for
handling both the bounding box detector and domain belonging, and incorporate
them with consistency regularisation. This allows us to learn a domain agnostic
feature representation for object detection, applicable to the problem of
domain generalisation. The proposed approach is evaluated using four standard
object detection datasets with available domain metadata, namely GWHD,
Cityscapes, BDD100K, Sim10K and exhibits consistently superior generalisation
performance over baselines.
- Abstract(参考訳): ドメイン一般化(domain generalization)は、ドメイン固有の特徴を抑制しながら、ドメイン不変な特徴の学習を促進することを目的としている。
本稿では,オブジェクト検出設定における領域一般化について検討する。
本稿では,境界ボックス検出器とドメインの双方を扱うための新しい用語を提案し,整合正則化を組み込む。
これにより、オブジェクト検出のためのドメインに依存しない特徴表現を学習でき、ドメインの一般化の問題に適用できます。
提案手法は、GWHD、Cityscapes、BDD100K、Sim10Kの4つの標準オブジェクト検出データセットを用いて評価され、ベースラインよりも一貫して優れた一般化性能を示す。
関連論文リスト
- Domain Generalization via Causal Adjustment for Cross-Domain Sentiment
Analysis [59.73582306457387]
クロスドメイン感情分析における領域一般化の問題に焦点をあてる。
本稿では,ドメイン固有表現とドメイン不変表現をアンタングル化するバックドア調整に基づく因果モデルを提案する。
一連の実験は、我々のモデルの優れたパフォーマンスと堅牢性を示しています。
論文 参考訳(メタデータ) (2024-02-22T13:26:56Z) - DISPEL: Domain Generalization via Domain-Specific Liberating [19.21625050855744]
ドメインの一般化は、限られたソースドメインでのみトレーニングすることで、目に見えないテストドメインでうまく機能するモデルを学ぶことを目的としています。
本研究では,DomaIn-SPEcific Liberating (DISPEL)を提案する。
論文 参考訳(メタデータ) (2023-07-14T06:21:03Z) - CLIP the Gap: A Single Domain Generalization Approach for Object
Detection [60.20931827772482]
単一ドメインの一般化(Single Domain Generalization)は、単一のソースドメイン上でモデルをトレーニングすることで、目に見えないターゲットドメインに一般化する問題に取り組む。
本稿では、事前学習された視覚言語モデルを用いて、テキストプロンプトを介して意味領域の概念を導入することを提案する。
本手法は,検出器のバックボーンから抽出した特徴に作用する意味的拡張戦略と,テキストに基づく分類損失によって実現される。
論文 参考訳(メタデータ) (2023-01-13T12:01:18Z) - Compound Domain Generalization via Meta-Knowledge Encoding [55.22920476224671]
マルチモーダル分布を再正規化するために,スタイル駆動型ドメイン固有正規化(SDNorm)を導入する。
組込み空間における関係モデリングを行うために,プロトタイプ表現,クラスセントロイドを利用する。
4つの標準ドメイン一般化ベンチマークの実験により、COMENはドメインの監督なしに最先端のパフォーマンスを上回ることが判明した。
論文 参考訳(メタデータ) (2022-03-24T11:54:59Z) - Meta-Learned Feature Critics for Domain Generalized Semantic
Segmentation [38.81908956978064]
本稿では,意味的セグメンテーションとドメインの一般化を保証するドメイン不変の特徴を導出する,特徴不絡み付きメタラーニング手法を提案する。
ベンチマークデータセットの結果から,提案モデルの有効性とロバスト性を確認した。
論文 参考訳(メタデータ) (2021-12-27T06:43:39Z) - Unsupervised Domain Generalization for Person Re-identification: A
Domain-specific Adaptive Framework [50.88463458896428]
ドメイン一般化(DG)は近年,人物再同定(ReID)において注目されている。
既存のメソッドは通常、ソースドメインにラベルを付ける必要があります。
本稿では、単純で効率的なドメイン固有適応化フレームワークを提案し、適応正規化モジュールで実現する。
論文 参考訳(メタデータ) (2021-11-30T02:35:51Z) - Exploiting Domain-Specific Features to Enhance Domain Generalization [10.774902700296249]
ドメイン一般化(Domain Generalization, DG)は、観測されていないターゲットドメインで正常に動作するために、複数の観測されたソースドメインからモデルをトレーニングすることを目的としている。
以前のDGアプローチでは、ターゲットドメインを一般化するために、ソース間でのドメイン不変情報を抽出することに重点を置いていた。
本稿ではメタドメイン固有ドメイン不変量(mD)を提案する。
論文 参考訳(メタデータ) (2021-10-18T15:42:39Z) - Context-Conditional Adaptation for Recognizing Unseen Classes in Unseen
Domains [48.17225008334873]
我々は,COCOA (COntext Conditional Adaptive) Batch-Normalization と統合された特徴生成フレームワークを提案する。
生成されたビジュアル機能は、基礎となるデータ分散をよりよくキャプチャすることで、テスト時に見つからないクラスやドメインに一般化できます。
確立した大規模ベンチマークであるDomainNetに対する我々のアプローチを徹底的に評価し、分析する。
論文 参考訳(メタデータ) (2021-07-15T17:51:16Z) - Adaptive Domain-Specific Normalization for Generalizable Person
Re-Identification [81.30327016286009]
一般化可能なRe-IDのための適応型ドメイン固有正規化手法(AdsNorm)を提案する。
本研究では,一般化可能人物 Re-ID に対する適応領域特異的正規化手法 (AdsNorm) を提案する。
論文 参考訳(メタデータ) (2021-05-07T02:54:55Z)
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。