BriefGPT - AI 论文速递
·
BlenDA：通过基于扩散的混合实现域自适应目标检测
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
通过生成伪样本和软域标签进行自适应训练，提出了一种新的正则化方法BlenDA，用于解决领域自适应目标检测中的领域差异问题。实验证明，该方法能显著提高领域自适应目标检测器AQT的性能，在Foggy Cityscapes数据集上实现了53.4%的mAP，超过了先前方法1.5%。该方法适用于各种领域自适应目标检测范式。
🎯
关键要点
- 提出了一种新的正则化方法BlenDA，用于解决领域自适应目标检测中的领域差异问题。
- BlenDA通过生成中间领域的伪样本及其对应的软域标签进行自适应训练。
- 实验结果表明，BlenDA显著提高了领域自适应目标检测器AQT的性能。
- 在Foggy Cityscapes数据集上，BlenDA实现了53.4%的mAP，超过了先前方法1.5%。
- 该方法适用于各种领域自适应目标检测范式。
🏷️
标签
➡️
