迁移学习（DAOD）《Refined Pseudo labeling for Source-free Domain Adaptive Object Detection》

论文信息

论文标题：Refined Pseudo labeling for Source-free Domain Adaptive Object Detection
论文作者：Siqi Zhang, Lu Zhang, Zhiyong Liu
论文来源：2023 ArXiv
论文地址：download 
论文代码：download
视屏讲解：click

1 介绍

　　领域自适应目标检测(DAOD)假设带标记的源数据和未标记的目标数据都可以用于训练，但这种假设在现实世界中并不总是成立的。因此，无源DAOD被提出来使源训练的检测器适应于目标域只有未标记目标数据。现有的无源DAOD方法通常使用伪标记，其性能严重依赖于置信度阈值的选择。然而，大多数现有的工作对所有类别采用单一的固定阈值来生成伪标签，这忽略了不平衡的类别分布，导致有偏的伪标签。

　　在这项工作中，提出了一个改进的伪标记框架的无源 DAOD。首先，为了生成无偏的伪标签，提出了一个类别感知的自适应阈值估计模块，它自适应地为每个类别提供合适的阈值。其次，为了减少不正确的盒回归，引入了一种定位感知的伪标签分配策略，将标签分为确定标签和不确定标签，并分别进行优化。最后，在四个适应任务上的大量实验证明了该方法的有效性。

2 背景

　　

3 方法

　　整体框架：