无监督跨域
无需目标域标注，即可将车辆密度估计模型迁移到新场景，缓解域间差异带来的性能下降。
Ying, Zhang · 孙红梅 · Rui, Yang · 贾瑞生
Engineering Applications of Artificial Intelligence 2024
通过添加两个域自适应组件，模型可以直接迁移到无标注的目标域，省去昂贵的数据标注成本。
多级特征判别器在图像级和像素级联合对抗学习，对齐源域和目标域的特征，缩小域间差异。
特征校正模块根据通道独立性重新建模数据，避免共享卷积结构错误突出无关信息，提升对目标域的适应性。
多个知名骨干网络验证了域自适应组件的即插即用性，便于集成到现有架构中。