Open sanoyo opened 5 years ago
ドメイン適応を用いて様々なドメインで物体検出を行える手法を提案している。
下記が検出の流れ
ここでいうと、水彩画や漫画のことを指している
転移学習の一種。 source domain(十分な教師ラベルを持つドメイン)から得られた知識をtarget domain(十分な情報がない目標のドメイン)に適用することで、target domainにおいて高い精度で働く識別器などを学習する。 https://www.mi.t.u-tokyo.ac.jp/research/domain_adaptation/
Aのドメイン画像をBのドメイン画像に変換できる。 http://aidiary.hatenablog.com/entry/20180324/1521896184
https://arxiv.org/pdf/1803.11365.pdf
https://github.com/naoto0804/cross-domain-detection
https://github.com/furukawa-ai/deeplearning_papers/issues/100
要約
ドメイン適応を用いて様々なドメインで物体検出を行える手法を提案している。
下記が検出の流れ
用語
Domain(ドメイン)
ここでいうと、水彩画や漫画のことを指している
ドメイン適用
転移学習の一種。 source domain(十分な教師ラベルを持つドメイン)から得られた知識をtarget domain(十分な情報がない目標のドメイン)に適用することで、target domainにおいて高い精度で働く識別器などを学習する。 https://www.mi.t.u-tokyo.ac.jp/research/domain_adaptation/
Cycle GAN
Aのドメイン画像をBのドメイン画像に変換できる。 http://aidiary.hatenablog.com/entry/20180324/1521896184
論文リンク
https://arxiv.org/pdf/1803.11365.pdf
実装
https://github.com/naoto0804/cross-domain-detection
参考にした記事
https://github.com/furukawa-ai/deeplearning_papers/issues/100