一种用于改进航拍图像少样本目标检测的对比注意力框架
计算机视觉与模式识别
2022-10-26 v1
摘要
少样本目标检测(FSOD)方法主要基于Pascal VOC与MS COCO等自然图像数据集设计与评估。然而，自然图像上的最优方法是否也是航拍图像上的最优方法尚不清楚。此外，由于检测框架与训练策略的多样性，FSOD方法间直接比较性能十分困难。因此，我们提出一个基准框架，提供灵活环境以实现并比较基于注意力的FSOD方法。该框架聚焦于注意力机制，并分为三个模块：空间对齐、全局注意力与融合层。为与常利用复杂训练的现有方法保持竞争力，我们提出专为目标检测设计的新增广技术。利用该框架，我们重新实现并比较了若干FSOD方法。该比较凸显了航拍与自然图像上两种截然不同的性能 regime：FSOD在航拍图像上表现更差。我们的实验表明，在少样本设定下更难检测的小物体是性能不佳的原因。最后，我们提出一种新颖的多尺度对齐方法——跨尺度查询–支持对齐(XQSA)用于FSOD，以改进小物体检测。XQSA在DOTA与DIOR上显著优于当前最优(state-of-the-art)。
引用
@article{arxiv.2210.13923,
title = {A Comparative Attention Framework for Better Few-Shot Object Detection on Aerial Images},
author = {Pierre Le Jeune and Anissa Mokraoui},
journal= {arXiv preprint arXiv:2210.13923},
year = {2022}
}