- …
- …
#749
summarized by : 金城 忍
どんな論文か？
ソース、ターゲットドメインに対して、プロトタイプラベルを使用してRPNから得られた特徴量を、対称学習を通して背景と前景に分離し特徴量を補正する一方で、Ground Truth及び疑似ラベルに関してGradCAMから得られたアテンションマップを利用することで、物体に対する注視領域を、全て捉えるようにRPNの特徴量抽出器を学習することでドメイン適応する手法の提案
新規性
RPNの出力に対してプロトタイプラベルを使用し特徴量補正与える一方で、GradCAMの出力を利用して検知対象の物体の特徴量に対して更に補正を与えるという点で新規
結果
Faster R-CNN+VGG16をベースに、① Cityscapes + Foggy Cityscapes、② SIM10k + Cityscapes及び③ Cityscapes + KITTIを、それぞれソース + ターゲットとして評価した結果、提案手法は、②、③で提案手法は既存手法より、良い結果を達成する一方で、視覚的評価では提案手法はより適切に物体を検知していることを確認した
その他（なぜ通ったか？等）
- …
- …