摘要
单域泛化（S-DG）旨在通过单一源域使模型在未见过的环境中实现泛化。然而，大多数S-DG方法主要集中在分类领域。当这些方法应用于目标检测时，某些对象的语义特征可能会受损，从而导致目标定位不准确和误分类。为了解决这些问题，我们提出了一种面向对象的域泛化（OA-DG）方法，用于目标检测中的单域泛化。我们的方法包括数据增强和训练策略两部分，分别称为OA-Mix和OA-Loss。OA-Mix通过多级变换和面向对象的混合策略生成多域数据。OA-Loss则使模型能够从原始图像和OA-Mixed图像中学习到对象和背景的域不变表示。实验结果表明，我们提出的方法在标准基准测试中优于现有最先进方法。我们的代码已发布在https://github.com/WoojuLee24/OA-DG。