【推荐研究方向（1）】小样本开集目标检测(few-shot open-set object detection)
论文题目：Towards Few-Shot Open-Set Object Detection
论文链接：https://arxiv.org/abs/2210.15996
1、任务：小样本开集目标检测，使用少量已知类样本训练模型，使得模型既能够检测小样本已知类又能够检测未知类。
2、动机：解决FSOSOD问题有三个重要原因。 1）可以识别小样本类别的开集检测器比不能识别的检测器更有用。 2）数据丰富的开放集检测在所有设置下都是一个挑战。 然而，小样本开集检测比数据丰富的开集检测更难。 因此，few-shot设置对开放集检测研究提出了更大的挑战。 3）与开放集检测一样，小样本检测的主要挑战是在推理过程中对未知数据做出准确的决策。 一旦小样本检测器具备了未知检测的能力，它们在实际应用中可能会更加稳健。
3、问题：有限的训练样本导致模型过度拟合小样本已知类，模型的泛化能力降低，从而导致较差的未知类检测性能。
4、解决思路：1) 未知类解耦训练；2）预测权重稀
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！