진단적 영역 적응을 통한 크로스-도메인 약간 감독된 객체 검출

다양한 이미지 영역에서 인스턴스 수준의 주석 없이 일반 객체를 감지할 수 있을까요? 이 논문에서는 이러한 질문을 다루는 새로운 작업인 크로스-도메인 약간 감독된 객체 검출(cross-domain weakly supervised object detection)에 대한 프레임워크를 제시합니다. 본 연구에서는 소스 도메인(예: 자연 이미지)에서 인스턴스 수준의 주석이 있는 이미지와 대상 도메인(예: 워터컬러)에서 이미지 수준의 주석이 있는 이미지를 활용할 수 있습니다. 또한, 대상 도메인에서 감지해야 하는 클래스는 소스 도메인의 클래스 전부 또는 일부입니다. 소스 도메인에서 사전 학습된 완전히 감독된 객체 검출기(fully supervised object detector)를 기반으로, 우리는 인공적으로 및 자동으로 생성된 두 가지 유형의 샘플을 사용하여 검출기를 미세 조정하는 두 단계 진보적 도메인 적응 기술을 제안합니다. 우리는 새로 수집한 세 개의 이미지 영역을 포함하는 데이터셋에서 우리의 방법론을 테스트하였으며, 최고 성능을 보이는 베이스라인과 비교하여 평균 정밀도(mean average precision, mAP) 측면에서 약 5~20% 포인트의 개선을 달성하였습니다.