-
题名基于注意力机制和循环域三元损失的域自适应目标检测
被引量：1
- 1
-
-
作者
周洋
韩冰
高新波
杨铮
陈玮铭
-
机构
西安电子科技大学电子工程学院
重庆邮电大学图像认知重庆市重点实验室
-
出处
《自动化学报》
EI
CAS
CSCD
北大核心
2024年第11期2188-2203,共16页
-
基金
国家自然科学基金(62076190,41831072,62036007)
陕西省重点创新产业链基金(2022ZDLGY01-11)
+1 种基金
西安市重点产业链技术攻关项目(23ZDCYJSGG0022-2023)
国家空间科学数据中心青年开放课题基金(NSSDC2302005)资助。
-
文摘
目前大多数深度学习算法都依赖于大量的标注数据并欠缺一定的泛化能力.无监督域自适应算法能提取到已标注数据和未标注数据间隐式共同特征,从而提高算法在未标注数据上的泛化性能.目前域自适应目标检测算法主要为两阶段目标检测器设计.针对单阶段检测器中无法直接进行实例级特征对齐导致一定数量域不变特征的缺失,提出结合通道注意力机制的图像级域分类器加强域不变特征提取.此外,对于域自适应目标检测中存在类别特征的错误对齐引起的精度下降问题,通过原型学习构建类别中心,设计了一种基于原型的循环域三元损失(Cycle domain triplet loss,CDTL)函数,从而实现原型引导的精细类别特征对齐.以单阶段目标检测算法作为检测器,并在多种域自适应目标检测公共数据集上进行实验.实验结果证明该方法能有效提升原检测器在目标域的泛化能力,达到比其他方法更高的检测精度,并且对于单阶段目标检测网络具有一定的通用性.
-
关键词
无监督域自适应
注意力机制
循环域三元损失函数
目标检测
-
Keywords
Unsupervised domain adaptation
attention mechanism
cycle domain triplet loss function
object detection
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
