本研究提出了一种新的类不平衡跨域分布外检测方法（CCOD），通过不确定性感知自适应语义对齐网络（UASA）构建标签驱动的原型，显著提升了检测性能，实验结果表明其优于现有方法。

本研究提出了一种新方法，通过对比学习优化图像翻译中的物体外观，减少对昂贵注释的依赖，提升跨域物体检测性能。实验结果显示，该方法在多个跨域检测任务中表现出色，具有重要研究价值。