CDFormer：一种对抗特征混淆的跨域小样本目标检测Transformer
计算机视觉与模式识别
2025-05-05 v1 人工智能
摘要
跨域小样本目标检测（CD-FSOD）旨在利用有限的类别实例在不同域中检测新目标。特征混淆，包括目标-背景混淆和目标-目标混淆，在跨域和小样本场景下均构成重大挑战。本文提出CDFormer，一种对抗特征混淆的跨域小样本目标检测Transformer，以应对这些挑战。该方法通过两个关键模块专门解决特征混淆问题：目标-背景区分（OBD）模块和目标-目标区分（OOD）模块。OBD模块利用可学习的背景令牌来区分目标与背景，而OOD模块则增强不同类别目标之间的区分度。实验结果表明，CDFormer优于以往最先进的方法，在微调后，于1/5/10样本设定下分别取得了12.9% mAP、11.0% mAP和10.4% mAP的提升。
引用
@article{arxiv.2505.00938,
title = {CDFormer: Cross-Domain Few-Shot Object Detection Transformer Against Feature Confusion},
author = {Boyuan Meng and Xiaohan Zhang and Peilin Li and Zhe Wu and Yiming Li and Wenkai Zhao and Beinan Yu and Hui-Liang Shen},
journal= {arXiv preprint arXiv:2505.00938},
year = {2025}
}