基于图像风格迁移的端到端跨域目标检测

跨域目标检测是最近兴起的研究方向,旨在解决训练集到测试集的泛化问题.在已有的方法中利用图像风格转换并在转换后的数据集上训练模型是一个有效的方法,然而这一方法存在不能端到端训练的问题,效率低,流程繁琐.为此,我们提出一种新的基于图像风格迁移的跨域目标检测算法,可以把图像风格迁移和目标检测结合在一起,进行端到端训练,大大简化训练流程,在几个常见数据集上的结果证明了该模型的有效性.

一种基于中心和关系感知的跨域目标检测网络

域偏移已成为跨域目标检测领域一个棘手的问题.当把在源域训练好的检测器用于目标域时,由于源域和目标域的分布差异,检测器往往会有显著的性能下降.为了处理上述问题,本文提出了一个基于类别中心和关系感知的跨域目标检测模型,该模型通过图卷积的方式同时对域差异信息,类别信息和关系信息进行建模.本文所提出的模型有以下几个优点:1)据我们所知,这是跨域目标检测方向里第一个同时对上述3种信息建模的网络;2)提出的模型设计了包括域对齐,类别中心对齐,关系感知模块在内的3种机制,可以有效学习域不变的特征以减小域偏移.在4个标准数据集上的结果表明本文模型的结果可以与当前最好的模型相当甚至超过当前最好的模型.

“钓鱼工程”小议

“钓鱼工程”这个词,虽词典里查不到,但事实上它的确存在。其基本含义大致是:因工程规模大、造价高,怕得不到上级或有关部门的批准,采取“大预算”小做,“大盘子”小报的方法,先取得“合法”建设手续,然后以设计漏项、预算偏低、物价上涨等为由头,扩大建设规模,提高建筑标准,造成事实上的超支,再通过不断“