2021-05-24 阅读笔记-无标签跨域目标检测-伪标签筛选

两篇文章如下：

1. Unsupervised Object Detection with Scene-adaptive Concept Learning

2. Box Re-Ranking: Unsupervised False Positive Suppression for Domain Adaptive Pedestrian Detection

两篇文章都来自于海康威视，还有几位重复作者，并且主题同样是着眼于如何利用detector trained from source data在target data上打伪标签，并且构建一个学习系统筛选伪标签，从而retrain这个检测框架。整体而言很符合现在source-free domain adaptation的势头。

---

1. Unsupervised Object Detection with Scene-adaptive Concept Learning

有趣的点在于除了聚类之外，还对伪标签做了一个cluster的处理，通过相似度较高的伪标签组成一个cluster，来降低整体框架对某些伪标签的错误判断。

换句话说，用一个cluster对伪标签做判断，相比于对单一伪标签做判断要更加容易也更加鲁棒，避免了某些特殊情况：例如detector给一个行人A的初始置信分数就很低，这种可以通过将行人A与其类似的其他帧里的行人A或者类似的行人B合成一个cluster，这样行人A置信分数即使<0.1，也可以通过其他行人置信分数>0.8给“挽救”回来。