面向非受限环境的检测模型泛化方法

近年来，目标检测技术取得了显著进展。然而，当在多样化数据分布上进行测试时，现有算法的泛化能力仍然有限。本文针对印度驾驶数据集（India Driving Dataset, IDD）中的目标检测增量学习问题提出解决方案。我们的方法采用多个面向特定领域的分类器，并结合有效的迁移学习技术，以有效避免灾难性遗忘问题。我们在IDD和BDD100K数据集上对所提方法进行了评估。实验结果表明，所提出的领域自适应方法在应对环境变化导致的领域偏移（domain shift）时具有良好的有效性。