초록
단일 도메인 일반화(S-DG)는 단일 소스 도메인을 사용하여 모델이 미처 본 적 없는 환경으로 일반화되는 것을 목표로 합니다. 그러나 대부분의 S-DG 접근 방식은 분류 영역에서 이루어져 왔습니다. 이러한 접근 방식을 객체 검출에 적용할 때, 일부 객체의 의미적 특성이 손상될 수 있으며, 이는 객체 위치 결정의 부정확성과 오분류를 초래할 수 있습니다. 이러한 문제들을 해결하기 위해, 우리는 객체 검출에서의 단일 도메인 일반화를 위한 객체 인지 도메인 일반화(OA-DG) 방법을 제안합니다. 우리의 방법은 데이터 증강 및 학습 전략으로 구성되며, 각각 OA-Mix와 OA-Loss라고 명명되었습니다. OA-Mix는 다중 레벨 변환과 객체 인지 혼합 전략을 통해 다중 도메인 데이터를 생성합니다. OA-Loss는 원본 이미지와 OA-Mixed 이미지로부터 객체와 배경에 대한 도메인 불변 표현을 학습하도록 모델을 지원합니다. 우리 제안 방법은 표준 벤치마크에서 최신 연구 결과보다 우수한 성능을 보입니다. 우리의 코드는 https://github.com/WoojuLee24/OA-DG에서 이용 가능합니다.