- …
- …
#661
summarized by : Kai Watabe
どんな論文か？
クロスドメインの物体検知に適応したUnbiased Mean Teacher(UMT)モデルを提案する。バイアスを保持している教師モデルはソースドメインに対してロバストなので、CycleGANを用いてソースライクなターゲット画像を生成し、教師モデルで学習させ、オリジナルのターゲット画像を生徒モデルで学習させる。これにより、モデルバイアスを改善した
新規性
クロスドメインの物体検知に適応可能な学習手法を提案した。
結果
提案したモデルは、Clipart1k, Watercolor2k, Foggy Cityscapes, Cityscapesにおいてそれぞれ44.1%, 58.1%, 41.7%, 43.1%のmAPとなり、SoTA手法を凌駕した。
その他（なぜ通ったか？等）
- …
- …