要約
近年、物体検出は著しい進展を遂げている。しかし、現在のアルゴリズムは多様なデータ分布に対してテストされた場合、一般化性能が十分でないことが問題となっている。本研究では、インド自動車ドライブデータセット（India Driving Dataset, IDD）上で物体検出のインクリメンタル学習問題に取り組む。提案手法は、複数のドメイン固有の分類器を用い、 catastrophic forgetting（突然の忘却）を回避することに重点を置いた効果的な転移学習技術を採用している。提案手法は、IDDおよびBDD100Kデータセットを用いて評価された。その結果、環境のドメインシフトが生じた状況下でも、ドメイン適応型アプローチの有効性が明らかになった。