AAAI 2025 | 探索对抗训练的概率分布偏差：DPA 双概率对齐的通用域自适的目标检测方法

文章预览

关注公众号，发现CV技术之美 论文名称: Universal Domain Adaptive Object Detection via Dual Probabilistic Alignment 图1. UniDAOD 任务示例 (通用跨域目标检测) 目标检测作为计算机视觉领域的核心任务，在闭集场景中已经取得了显著的进展。然而，现有的方法通常假设类别集合是固定的，并依赖于大量的标注数据，这导致它们在处理跨域数据时，特别是在源域与目标域之间存在域偏移的情况下，泛化性能受限。例如，针对晴天数据训练的目标检测模型往往难以有效适应雾天或其他场景条件下的场景变化。 为了应对这一挑战，域自适应目标检测（Domain Adaptive Object Detection, DAOD）方法被提出。DAOD的主要目标是通过将源域的有标签数据迁移到目标域的无标签数据上，从而缓解源域与目标域之间分布不一致所带来的性能下降问题。 在源域和目标域类别集合相同的前提下，DAOD ………………………………