通过局部-全局对比学习改进目标检测

视觉域差距常常影响物体检测性能。图像到图像的转换可以缓解这一效应，其中对比方法能够在无监督条件下学习图像到图像的映射。然而，现有的方法通常无法处理包含多个物体实例的内容丰富的场景，这导致了不令人满意的检测性能。对于此类实例级内容的敏感性通常只能通过物体注释获得，而获取这些注释可能非常昂贵。为了解决这一问题，我们提出了一种新的图像到图像转换方法，专门针对跨域物体检测。我们将该方法表述为一种带有归纳先验的对比学习框架，通过空间注意力掩码优化物体实例的外观，隐式地将场景划分为与目标物体实例相关的前景区域和非物体背景区域。我们的方法不是依赖于物体注释来在转换过程中显式地考虑物体实例，而是通过对比局部-全局信息来学习表示物体。这使得我们可以研究一个尚未充分探索的挑战：在域迁移的情况下，不依赖于物体注释或检测器模型微调的情况下实现高性能检测。我们在三个具有挑战性的基准数据集上进行了多次跨域物体检测实验，并报告了最先进的性能。项目页面：https://local-global-detection.github.io