未知召回提升17
通过动态学习驱动的无监督域适应策略，将域偏移中和器引入开放世界检测，实现无偏前景背景预测并显著提升未知目标召回。
Huang, Yangyang · Hu, Jie · 罗荣华
Expert Systems with Applications 2025
将无监督域适应（UDA）用于开放世界检测场景，构建无偏的前景/背景预测器，避免仅用目标性分数评估未知目标造成的标签偏差。
提出动态学习驱动的UDA策略（DLUDA），根据不同类别学习难度动态调整无监督损失，避免早期训练阶段固定阈值导致的偏差加剧。
引入域偏移中和器（DON）减少源域与目标域特征空间分布差异，增强跨域特征一致性，从而提升检测性能。
利用基础模型为未知目标生成初始伪标签，提高未知目标的召回率，为后续处理奠定基础。