物体検出のためのドメイン適応

物体検出のためのドメイン適応

教師なしのクロスドメインの物体検出は,アノテーションコストを大幅に削減できることから,近年注目を集めている.2段階の検出器では,特徴レベルの適応においていくつかの改善がなされている.しかし,このアプローチは,インスタンスレベルの特徴量にアクセスできない1段検出器には適していない.1段目の検出器には他のアプローチがよく用いられるが,その性能は2段目の検出器の領域適応法と比較して不十分である.本研究では,生成的かつ自己教師付きの1段目の検出器のドメイン適応法を提案する.提案手法は,敵対的生成手法と自己教師化ベースの手法から構成される.本手法を3つの評価データセットでテストしたところ,本手法を用いて平均平均精度の向上が達成された.また,敵対的生成法と自己教師法の相補的な効果を確認した.

Kazuma Fujii and Kazuhiko Kawamoto, Generative and self-supervised domain adaptation for one-stage object detection, Array, Vol. 11, 2021.

PAGETOP
Copyright © 川本・計良研究室 All Rights Reserved.
Powered by WordPress & BizVektor Theme by Vektor,Inc. technology.