连看一次都不必：用于零样本检测的特征合成
计算机视觉与模式识别
2020-04-13 v3
摘要
零样本检测，即定位已见与未见物体，因物体类别数量庞大，在大规模应用中愈发重要，因为收集带真实边界框标注的充分数据根本无法扩展。虽然原始深度神经网络对训练时已有的物体提供高性能，但对未见物体的检测显著退化。在根本层面上，尽管原始检测器能够提出包含未见物体的边界框，但由于需要拒绝背景物体的固有精确率/召回率权衡，它们通常无法对未见物体赋予高置信度。我们提出一种新颖检测算法 Dont Even Look Once（DELO），其为未见物体合成视觉特征，并扩充现有训练算法以纳入未见物体检测。我们所提方案在 Pascal VOC 和 MSCOCO 上评估，并展示出相对于原始及现有 SOTA 零样本检测器在测试准确率上的显著提升。
引用
@article{arxiv.1911.07933,
title = {Dont Even Look Once: Synthesizing Features for Zero-Shot Detection},
author = {Pengkai Zhu and Hanxiao Wang and Venkatesh Saligrama},
journal= {arXiv preprint arXiv:1911.07933},
year = {2020}
}
备注
Accepted at CVPR 2020. 10 pages, 4 figures, 3 tables