AcroFOD: An Adaptive Method for Cross-domain Few-shot Object Detection

要約

ドメインシフトの下で、クロスドメインの少数ショットオブジェクト検出は、ターゲットドメインのオブジェクト検出器をいくつかの注釈付きターゲットデータに適応させることを目的としています。
2 つの重要な課題があります。(1) ターゲット ドメイン データが非常に不十分です。
(2) 制限なしで不適切に増幅された標的サンプルによって引き起こされる潜在的な過剰適応および誤解を招く。
これらの課題に対処するために、2 つの部分からなる適応方法を提案します。
まず、やみくもに量を増やすのではなく、ターゲットサンプルに類似した拡張データを選択するための適応最適化戦略を提案します。
具体的には、最初にターゲットの特徴分布から大幅に逸脱した拡張候補をフィルタリングします。
第二に、データの制限をさらに緩和するために、マルチレベルのドメイン認識データ拡張を提案して、拡張データの多様性と合理性を高めます。これは、クロスイメージの前景と背景の混合を利用します。
実験は、提案された方法が複数のベンチマークで最先端のパフォーマンスを達成することを示しています。

要約(オリジナル)

Under the domain shift, cross-domain few-shot object detection aims to adapt object detectors in the target domain with a few annotated target data. There exists two significant challenges: (1) Highly insufficient target domain data; (2) Potential over-adaptation and misleading caused by inappropriately amplified target samples without any restriction. To address these challenges, we propose an adaptive method consisting of two parts. First, we propose an adaptive optimization strategy to select augmented data similar to target samples rather than blindly increasing the amount. Specifically, we filter the augmented candidates which significantly deviate from the target feature distribution in the very beginning. Second, to further relieve the data limitation, we propose the multi-level domain-aware data augmentation to increase the diversity and rationality of augmented data, which exploits the cross-image foreground-background mixture. Experiments show that the proposed method achieves state-of-the-art performance on multiple benchmarks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google