你的模型是不是换个场景就不行了？CAT 的完美设计解决类内偏差，场景自适应的目标检测就这么诞生了

点击下方卡片，关注「集智书童」公众号点击加入👉「集智书童」交流群领域自适应目标检测旨在使检测模型适应那些无法获得标注数据的环境。现有的方法已经提出使用半监督的学生-教师框架来解决领域差异。然而，一个基本问题源于标记训练集中的类别不平衡，可能导致伪标签不准确。类别之间的关系，尤其是当一个类别占多数而另一个占少数时，对类别偏见有很大影响。作者提出了一个名为Class-Aware Teacher（类感知教师，简称CAT）的方法，以解决领域适应设置中的类别偏见问题。在作者的工作中，作者使用作者的Inter-Class Relation模块（ICRm）来近似类别关系，并利用它来减少模型内的偏见。通过这种方式，作者能够对高度相关的类别应用增强，包括领域内和领域间的，以提升少数类别的性能，同时对多数类别的影响最小。作者进一步通过为作 ………………………………