Towards Universal Object Detection by Domain Attention解读：基于Domain Attention模型的通用物体检测解析

论文地址
代码

概述

本文设计了一种适用于多领域目标检测任务的通用性系统，无需依赖任何先验信息。该架构以SENet为基础，将多个SENet提取出的特征图进行融合，并引入了domain attention机制，将其作用于融合后的特征图之上，从而增强模型在不同应用场景下的目标检测能力。

本研究的核心内容包括：

• 构建了一个全新的基准测试平台，涵盖11个差异化的目标检测数据集。
• 提出了一组系统化结构方案，旨在实现跨领域目标检测的通用性与适应性。

介绍

目标检测任务具有丰富的多样性，不仅体现在检测对象的类别差异上（如人脸、马匹、医学损伤等），还表现在图像采集视角的不同（例如从飞机或自动驾驶车辆获取的图像），以及图像呈现风格的差异（如漫画、剪贴画、水彩画及医学影像等）。目前大多数检测模型主要针对特定领域的数据进行训练与评估，其背后的原因在于现有的目标检测数据集种类繁多，并且不同数据集之间存在非平凡的领域迁移问题。

众所周知，为特定领域设计专用检测器能够获得较高的检测精度。然而在实际应用中，系统往往需要处理来自多个领域的图像输入。一种直接的方式是，若需处