MAPS渐进伪标签选择网络

抗噪域适应关键点检测

结合自混合增强与自步学习，从易到难选择伪标签，无需源数据实现噪声鲁棒的无源域适应关键点检测。

Ding, Yuhe · 梁坚 · 江波 · 郑爱华 · 赫然

IEEE Transactions on Circuits and Systems for Video Technology 2023

技术优势

不用源数据

通过自混合增强和自步学习挖掘目标域伪标签的潜力，无需访问源域数据，降低部署门槛。

抗噪能力强

自混合增强鼓励模型在样本之间表现出简单线性行为，防止对噪声伪标签过拟合，提升适配稳定性。

应用场景

• 关键点检测：新场景部署无需源数据，关键点模型可快速适配。
• 姿态估计：利用无标注目标域图像提升姿态估计的跨域鲁棒性。
• 工业机器人抓取：仅用现场无标注图像即可适配抓取关键点检测模型。
• 软体机器人感知：无需源数据，适配软体机器人感知模型到新环境。
• 无人机视觉：使用无标注航拍图像微调关键点模型，无需源域数据。