【图像合成】开源 | CenterNet：一种最新的无锚定架构，解决合成图像的域自适应问题，将mAP从61%提高到69%！

论文地址： http://arxiv.org/pdf/2012.08205v1.pdf

代码： 公众号回复：09110697120

来源： 开姆尼茨工业大学

论文名称：Unsupervised Domain Adaptation from Synthetic to Real Images for Anchorless Object Detection

原文作者：Tobias Scheck

内容提要

合成图像可以避免生成注释数据集来训练有监督的卷积神经网络(CNN)的高成本,是最有前途的解决方案之一。然而，为了使网络能够从合成图像到真实图像的知识泛化，领域自适应方法是必要的。本文在无锚目标检测器上实现了无监督域自适应(UDA)方法。由于其良好的性能，无锚探测器在目标检测领域越来越受到关注。它们的结果与成熟的基于锚的方法相差无几，但无锚的检测器要快得多。在我们的工作中，我们使用CenterNet，一种最新的无锚定架构，来解决涉及合成图像的域自适应问题。利用无锚定检测器的体系结构，我们提出将原本用于分割的熵最小化和最大平方损失两种UDA方法调整为目标检测。实验结果表明，本文提出的UDA方法将mAP从61%增加到69%。

主要框架及实验结果

声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请加上文微信联系删除。