基于区域的目标检测受限于复杂的现实场景,且目标检测常用数据集包含的物体类别不足以概括现实生活中的常见物体,这导致训练的模型在现实应用时鲁棒性不足.为解决以上问题,本文提出了一种场景与目标关系约束的鲁棒目标检测算法.所提出的域自适应关系网络(relation network for domainadaption,RNDA),能在选择性对齐全局特征的同时严格对齐局部特征,为无监督模型提供导向信息,约束无关特征的表达.在PASCAL VOC to Clipart和 Cityscape to FoggyCityscape数据集上的实验表明,所提出的模型的mAP可分别达到38.6和34.9,这证明所提出的模型可减少不同域间的差异,有效实现无监督目标检测.
暂无评论