补丁感知批规范化层

即插即用抗域变

把特征图按空间分块独立归一化,仅替换标准BN层即可提升模型在未见域上的鲁棒性,无需对抗训练或额外数据。

Qi, Lei · Dongjia, Zhao · 史颖欢 · 耿新

IEEE Transactions on Circuits and Systems for Video Technology 2024

技术优势

只用换BN层

PBN与标准BN接口兼容,可直接替换并集成到大多数现有SOTA方法中,无需修改网络结构或训练流程。

不用对抗训练

通过利用图像局部patch差异进行归一化,PBN能提升模型参数鲁棒性,无需对抗学习即可增强跨域性能。

全面子任务提升

在分类、目标检测、实例检索和语义分割四个任务上均取得改进,且统计量由全局累积量与当前batch合并,提高patch统计量的准确性。

应用场景