吴泽远，朱 明

(中国科学技术大学 信息科学技术学院，合肥 230026)

1 引 言

目标检测是计算机视觉领域最基础的问题，对许多现实应用如自动驾驶[1]，视频监控[2]十分重要，其目标是对图像中的物体进行定位并识别出类别.随着卷积神经网络的进展，基于卷积神经网络的方法[3-8]在目标检测标准数据集[9-11]上取得了明显进步.尽管效果显著，真实世界中目标检测仍然面临着数据的视角，外观，背景，光照等方面的巨大差异，即训练数据(源域)和测试数据(目标域)分布不同，导致训练好的模型泛化性较差，这一问题称为域偏移问题.为某个特定场景建立大型数据集是一个可行的办法，但是收集数据并标注是一个非常耗费人力和时间的事.

为了处理这个问题，一个具有吸引力的办法是无监督域适应[12]，即将在源域上训练的模型用于目标域，却不需要对目标域进行数据标注.最近，基于对抗的域适应方法[13-21]取得了不错的结果，这一类方法基于生成对抗网[22]，基本思想是训练一个判别器用来区分特征来自源域还是目标域，同时训练生成器用来欺骗判别器，使其难以区分.

然而，上述基于对抗网络的方法有几点缺陷：1)这些方法通常对数据域的整体进行对齐，而忽略了每个类的语义信息，结果导致即便整个域可以完美地对齐，来自不同域的同一类别物体在特征空间中也可能相隔很远；2)之前的检测方法通常没有考虑目标之间的关系，而上下文关系[23]对……