基于注意力的少样本目标检测统一框架
计算机视觉与模式识别
2022-01-07 v1
摘要
少样本目标检测（FSOD）是计算机视觉中一个快速发展的领域。其任务是在每类仅有少量标注样本的情况下，找出给定类别集合的所有出现位置。已有大量方法提出以应对该挑战，其中大多数基于注意力机制。然而，经典目标检测框架与训练策略的多样性使得方法间的性能比较十分困难。特别是对于基于注意力的 FSOD 方法，比较不同注意力机制对性能的影响颇为费力。本文旨在弥补这一不足。为此，提出了一个灵活框架，以允许实现文献中绝大多数可用的注意力技术。为恰当引入该框架，首先提供了对现有 FSOD 方法的详细综述。随后在框架内重新实现了若干不同的注意力机制，并在其余参数固定的情况下进行了比较。
引用
@article{arxiv.2201.02052,
title = {A Unified Framework for Attention-Based Few-Shot Object Detection},
author = {Pierre Le Jeune and Anissa Mokraoui},
journal= {arXiv preprint arXiv:2201.02052},
year = {2022}
}