注释不完整的多数据集目标检测

目标检测器在 various public 数据集 上显示出卓越的性能。然而，在现实情况下，为新任务标注新数据集通常不可避免，因为 1) 单个现有数据集通常不包含所有所需目标类别；2) 使用多个数据集通常会受到标注不完整和异构特征的问题。我们提出了一个新问题——“注释不完整的多数据集检测”，并开发了一个端到端的多任务学习架构，能够准确检测多个部分标注数据集中的所有目标类别。具体而言，我们提出了一种注意力特征提取器，有助于挖掘不同数据集之间的关系。此外，还Incorporated了一种知识融合训练策略，以适应来自不同来源的异构特征。在不同的目标检测数据集上进行大量实验表明，我们方法的有效性，并在 COCO 和 VOC 上的 mAP 分别实现了 2.17% 和 2.10% 的提升。