域适应已经是一个很火的方向了，目标检测更不用说，二者结合的工作也开始出现了，这里我总结了CVPR18和CVPR19的相关论文，希望对这个交叉方向的近况有一个了解。
1. 2018_CVPR Domain Adaptive Faster R-CNN for Object Detection in the Wild
这篇可算是第一个工作，以faster rcnn为baseline,在其基础上添加判别器分支，附着到backbone输出的特征图和roi提取到的向量上，前者代表图像级别的域适应，后者代表物体级别的域适应（roi代表一个物体），分别训练两个判别器，使其无法区分两个域的图像，除此之外，还添加了一致性正则化损失项，保证两个层面的域分类结果一致。特别说明，源域数据没有标签，所以没有检测器的损失，只有域判别器的损失，所以最后的损失项：源域的检测器损失+源域的物体域判别损失+源域的图像域判别损失+源域的物体图像一致性损失+目标域的物体判别损失+目标域的图像判别损失+目标域的物体图像一致性损失
相关代码：
https://github.com/yuhuayc/da-faster-rcnn（官方 caffe)
https://github.com/krumo/Detectron-DA-Faster-RCNN（caffe2）
https://github.com/divyam02/dafrcnn-pytorch/tree/cleaning（pytorch）
https://github.com/tiancity-NJU/da-faster-rcnn-PyTorch （pytorch）
2. 2018_CVPR Cross-Domain Weakly-Supervised Object Detection through Progressive Domain Adaption
这篇文章似乎出自东京大学？日本的科研能力依然世界前列啊。文章的任务设定与UDA(无监督域适应)略有不同，这篇文章处理的任务中，目标域有图像级标注（图像中有哪几类物体），没有实例级标注，所以文章的题目也说了，本文是弱监督任务。
这篇文章不能只介绍方法了，因为它还有另一大贡献，那就是深度学习最为倚重的数据集，作者直接制作了三个数据集，而且都有实例级标注，太赞了！，这是不小的工作量。
三个数据集都是卡通风格的，与自然图像相比域差异可以说是相当大了，分别是Clipart1K，Comic2K，Watercolor2K，从名字可以看出分别是1000，2000，2000张图片。
具体样子如下，说实话在我看来长的都差不多，为什么选择这几个数据集，可能日本人对漫画有天分和执着吧
说到方法，其实这篇论文的方法就是finetune，跟域适应的路子不太一样，没有域判别器之类的东西，然而，目标域没有实例标签，无法微调，所以作者想了两种方法产生可用来微调的数据-标签对。
1.在源域数据训练检测器
2. 利用cyclegan，将源域数据转换为目标域，然后微调
3. 对目标域数据生成伪标签，继续微调
cyclegan的方法无需多说，详情还得看cyclegan的东西，目标域生成伪标签的原理是用检测器检测出结果，然后只保留图像级标注中存在的物体类别，最后针对剩下的物体类，只取每一类中概率最高的一个检测结果，这样做是想尽量减少错误标注带来的影响吧
相关代码：
https://github.com/naoto0804/cross-domain-detection
3. 2019_CVPR Automatic adaptation of object detectors to new domains using self-training
这篇文章是跟上一篇有相同之处的，那就是都不是常规的域适应的路子，也是微调。不过本文没有用cyclegan生成假样本，只是采用了伪标签。相比于仅利用检测器生成伪标签，本文还利用跟踪器生成伪标签，跟踪器？没错，本文的伪标签数据来自视频，当然训练好的检测器可以用于视频也可用于图像。其中，跟踪器的作用是查缺补漏，以防检测器漏掉某些目标。
论文的贡献不止于上面的，另一个贡献在于对伪标签的处理，使用了软化的技术，软标签，具体内容不想讲了，只是记得如果要使用伪标签，可以考虑借鉴这篇论文的软标签处理方式。
相关代码：http://vis-www.cs.umass.edu/unsupVideo/
4. 2019_CVPR Strong-Weak Distribution Alignment for Adaptive Object Detection
这篇文章采用的是常规的域适应的路子，只是采用了foca loss，效果出奇的好
由于采用的是域适应的路子，可以与第一篇文章做一下比较，第一篇文章是在图像级和实例级两个层面进行域适应，而这篇文章是在低层次特征和高层次特征两个层面进行域适应，没有利用目标信息，只是在图像层面的域适应。
具体而言，选取两个特征图，一个层次低，一个层次高（backbone的最后特征图），接下来的思想是我比较认同的，在低层次特征进行强对齐，也就是标准的交叉熵损失，在高层次特征进行部分对齐（弱对齐），如何达到弱对齐，就是采用focal loss，降低易分类样本的损失权重，然后本文的核心东西就没了，思路简单，效果好
我觉得低层次编码的是域相关信息，比如cityscape和foggy cityscape，差别在于后者有雾，这是一个图像风格的问题，会在低层次进行编码，当然，低层次特征还包含物体的边，角等信息，而高层次特征编码语义信息，对于两个域而言，语义可能相同也可能不同，不该一味地强制语义对齐，所以采取弱对齐是合理的
相关代码：https://github.com/VisionLearningGroup/DA_Detection
5. 持续更新