科研之友
微信
新浪微博
Facebook
分享链接
摘要
当前，蒸馏学习已成为目标检测无监督域适应领域中的一种常用技术手段。然而，蒸馏带来的特征偏移会导致目标域上伪标签的准确性较低，不利于目标域的精确检测。为此，该文提出特征互斥化方法，包括特征分布互斥化和特征属性互斥化。其中，特征分布互斥化鼓励网络对不同类别的特征分布进行互斥，特征属性互斥化促使分类器对不同类别主要使用的属性进行互斥。此外，还提出强弱增强一致性方法对网络的预测输出进行一致性约束，促使网络提取的特征中主要包含与目标域检测相关的属性，进一步提高特征互斥化方法的效果。所提方法在多个域适应场景上进行了广泛的实验，在相同实验设置下的结果表明，所提方法较其它先进方法具有更好的有效性。
- 单位
