#每天一篇論文 256/365 Multi-adversarial Faster-RCNN for Unrestricted Object Detection

多對抗快速rcnn用於無限制目標檢測 摘要 傳統的目標檢測方法本質上是假設訓練和測試數據是從一個有限制的目標域中採集的，並且代價昂貴。爲了減輕域依賴性和繁瑣的標記問題，提出了利用足夠的標籤從輔助源域訓練的領域知識來檢測非受限環境中的對象。具體來說，我們提出了一個多對抗的快速rcnn（maf）框架，用於無限制目標檢測。它本質上解決了特徵表示中用於域自適應的域差異最小化問題。本文的優點有三：1）針對圖

>>阅读原文<<