基于特征和標簽聯(lián)合分布匹配的智能駕駛跨域自適應目標檢測

摘要： 現(xiàn)有的跨域自適應目標檢測器主要通過特征分布匹配學習域不變特征來減小域偏移。然而，它們忽略了現(xiàn)實世界中因目標檢測對象組合不同和類不平衡等引起的標簽分布偏移問題，導致這些方法泛化性較差。為解決這一問題，本文提出一種基于特征和標簽聯(lián)合分布匹配的域自適應目標檢測算法，以同時在特征和標簽級別上顯式對齊域分布。首先，提出一個圖像級分類嵌入模塊，通過對比學習增強全局特征可遷移性和可判別性。然...