本文介绍了《Domain Adaptive Object Detection via Asymmetric Tri-way Faster-RCNN》论文，该研究提出了一种非对称三路结构的Faster R-CNN模型以增强目标检测的域适应性。通过独立的辅助网络，保持源域特征的区分性，同时引导目标特征的结构转移，以解决域适应中源风险增加的问题。实验表明，这种方法有效提高了域适应目标检测的性能。
域适应目标检测：ATF论文笔记——Domain Adaptive Object Detection via Asymmetric Tri-way Faster-RCNN
综述
论文题目：《Domain Adaptive Object Detection via Asymmetric Tri-way Faster-RCNN》
会议时间：European Conference on Computer Vision 2020 (ECCV 20)
论文地址：https://www.ecva.net/papers/eccv_2020/papers_ECCV/papers/123690307.pdf
源码地址：https://github.com/He-Zhenwei/ATF
针对领域：域适应目标检测
源码笔记：https://blog.youkuaiyun.com/qq_50001789/article/details/131365267
主要思想
随着无监督领域自适应技术的发展，通过将知识从语义相关的源域迁移到目标域来
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
