要約
本稿では、マルチラベル物体認識を二重の補助タスクとして活用することで、適応型物体検出を実現する新たなエンドツーエンド非教師付き深層ドメイン適応モデルを提案する。本モデルは、各画像内の物体カテゴリ情報をマルチラベル予測を通じて明らかにし、その予測結果をもとに条件付き対抗的グローバル特徴整合を実行することで、画像特徴のマルチモーダル構造に対処しつつ、ドメイン間の特徴差をグローバル特徴レベルで橋渡ししつつも、特徴の識別能を維持する。さらに、物体検出の性能向上を図るため、予測の一貫性正則化機構を導入し、マルチラベル予測結果を補助的な正則化情報として用いることで、物体認識タスクと物体検出タスクの間で物体カテゴリの発見が一貫性を持つことを保証する。提案手法は複数のベンチマークデータセット上で実験評価が行われ、その結果、最先端の比較手法を上回る性能を達成したことが示された。