用于单样本目标检测的自适应基类抑制与先验引导网络
计算机视觉与模式识别
2023-03-28 v1
摘要
单样本目标检测（OSOD）旨在检测给定查询图像所指定类别的所有目标实例。现有 OSOD 研究大多致力于探索有效的跨图像关联并缓解语义特征错位，却忽略了模型偏向基类以及在 novel 类上泛化退化现象。观察到此，我们提出一种新颖框架，即基类抑制与先验引导（BSPG）网络以克服该问题。具体而言，基类物体可由基类预测器显式检测，并被我们的基类抑制模块自适应消除。此外，设计了一个先验引导模块以非参数方式计算高层特征的相关性，生成类无关的先验图，为目标特征提供丰富语义线索并引导后续检测过程。借助所提两模块，我们赋予模型从属于基类的干扰物中区分目标物体的强判别能力。大量实验表明，我们的方法大幅优于先前技术，并在多种评估设定下取得新的最先进性能。
引用
@article{arxiv.2303.14240,
title = {Adaptive Base-class Suppression and Prior Guidance Network for One-Shot Object Detection},
author = {Wenwen Zhang and Xinyu Xiao and Hangguan Shan and Eryun Liu},
journal= {arXiv preprint arXiv:2303.14240},
year = {2023}
}