打破不可变：面向少样本目标检测的信息耦合原型精化
计算机视觉与模式识别
2022-11-29 v1
摘要
少样本目标检测期望检测器利用少量实例检测新类别，已取得显著进展。然而，现有基于元学习的方法所提取的原型仍受限于代表性信息不足且缺乏对查询图像的感知，无法针对不同查询图像自适应定制。首先，仅利用支持图像提取原型，导致查询图像的感知信息匮乏。其次，在将特征聚合成原型向量时，所有支持图像的所有像素被同等对待，因而显著目标被杂乱背景所淹没。本文中，我们提出一种信息耦合原型精化 (ICPE) 方法，为每个查询图像生成特定且具代表性的原型。具体地，引入条件信息耦合模块将查询分支的信息耦合至支持分支，增强支持特征中的查询感知信息。此外，我们设计了一种原型动态聚合模块，动态调节图像内与图像间的聚合权重，以突出对检测查询图像有用的显著信息。在 Pascal VOC 和 MS COCO 上的实验结果表明，我们的方法在几乎所有设定下均达到最先进的性能。
引用
@article{arxiv.2211.14782,
title = {Breaking Immutable: Information-Coupled Prototype Elaboration for Few-Shot Object Detection},
author = {Xiaonan Lu and Wenhui Diao and Yongqiang Mao and Junxi Li and Peijin Wang and Xian Sun and Kun Fu},
journal= {arXiv preprint arXiv:2211.14782},
year = {2022}
}
备注
Accepted by AAAI2023