概述
论文题目：Exploring Object Relation in Mean Teacher for Cross-Domain Detection(CVPR 2019)
论文主要贡献：该论文主要也是为了解决跨域的目标检测问题，但是与之前的基于判别的特征方法有很大的不同，主要是利用了半监督学习中SOTA方法Mean Teacher(NIPS 2017:Mean teachers are better role models: Weight-averaged consistency targets improve semi-supervised deep learning results)，同样的有一篇论文也是利用Mean Teacher解决跨域的图像分类问题（ICLR 2018：Self-ensembling for domain adaptation），而本文是解决检测问题；
1、将跨域分类的论文（ICLR 2018：Self-ensembling for domain adaptation）中的全局的consistency转成检测中的region的consistency；
2、引入inter-graph和intra-graph consistency，变相将object relation引入Mean Teacher结构；
网络结构：
1、
最后
以上就是彩色草莓为你收集整理的论文解读：Exploring Object Relation in Mean Teacher for Cross-Domain Detection的全部内容，希望文章能够帮你解决论文解读：Exploring Object Relation in Mean Teacher for Cross-Domain Detection所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。
发表评论 取消回复