利用类间动态进行领域自适应物体检测
原文中文,约400字,阅读约需1分钟。发表于: 。我们提出了 Class-Aware Teacher(CAT)来解决域自适应设置中的类别偏差问题,并利用我们的 Inter-Class Relation module(ICRm)来近似类别关系,减少模型内的偏差,从而在高相关类别上使用增强方法以提高少数类别的性能,同时对多数类别影响最小。通过在不同数据集上的实验证明,我们的方法能够解决域自适应设置中的类别偏差问题,在 Cityscapes 到...
本文介绍了Class-Aware Teacher(CAT)方法,用于解决域自适应设置中的类别偏差问题。通过使用Inter-Class Relation module(ICRm)来近似类别关系,减少模型内的偏差。实验证明该方法在不同数据集上能够显著提高少数类别的性能,达到52.5 mAP,超过现有最先进方法的51.2 mAP。