クロスドメイン検出のためのマルチレベルドメイン適応学習

近年、物体検出は監視付き深層学習を用いて印象的な結果を示していますが、クロスドメイン環境では依然として課題が残っています。異なるドメインにおける照明、スタイル、スケール、外観の変動は、検出モデルの性能に深刻な影響を与える可能性があります。これまでの研究では、敵対的訓練を使用してドメインシフト間でグローバルな特徴を整列させ、画像情報の転送を実現しています。しかし、このような方法ではローカルな特徴の分布を効果的に一致させることができず、クロスドメイン物体検出における改善が限られています。この問題を解決するために、ローカルレベルの特徴とグローバルレベルの特徴の分布を同時に整列させるマルチレベルドメイン適応モデルを提案します。悪天候適応、合成データ適応、クロスカメラ適応を含む複数の実験で我々の手法を評価しています。ほとんどの物体カテゴリにおいて、提案手法は最先端技術に対して優れた性能を達成し、我々の手法の有効性と強靭性を示しています。