Domain Adaptive Faster R-CNN for Object Detection in the Wild域自适应在目标检测中的应用
Abstract本文的目的：提高目标检测网络跨域的鲁棒性通过两方面解决domain shift的问题：（1）图像level的shift，例如图像的风格，关照强度等（2）实例level的shift，例如目标的外观，大小等解决方法：（1）在Faster-RCNN中添加了2个DA组件，这2个组件都是基于H-divergence理论的，组件的实现方法是通过对抗学习的方式训练domain分类器。（2）通过一致性正则化(cosistency regularization)去训练Faster-RCNN中的
