风格迁移提升检测
结合风格迁移与对比学习生成带目标域风格的新样本，有效缩小域差异，提升跨域目标检测性能。
Ming, Zhao · Wei, Xing · Yang, Lu · Ting, Bai · 赵崇 · Chen, Lei · Hu, Di
Communications in Computer and Information Science 2023
通过生成目标域风格的新样本，模型在目标域上保持与源域接近的检测精度，避免域差异导致的性能损失。
模型可以适应不同风格域，不限于单一目标域，能够处理多种风格差异的跨域任务。
从带标签的源域生成目标域风格样本用于训练，避免对目标域数据进行昂贵的人工标注。
采用动量对比学习最大化正样本对表示相似度并最小化损失，增强特征判别性，提升跨域检测稳定性。