小样本目标定位
计算机视觉与模式识别
2024-06-06 v3
摘要
现有目标定位方法专为定位特定类别目标而设计，严重依赖大量标注数据进行模型优化。然而，在许多现实场景中获取大量标注数据颇具挑战，极大限制了定位模型的更广泛应用。为弥合这一研究空白，本文定义了一项名为小样本目标定位（Few-Shot Object Localization, FSOL）的新任务，旨在利用有限样本实现精确定位。该任务通过利用少量标注支持样本查询对应图像中目标的位置信息，实现泛化的目标定位。为推动该领域发展，我们设计了一个创新的高性能基线模型。该模型集成了双路径特征增强模块以增强支持图像与查询图像之间的形状关联和梯度差异，以及一个自查询模块以探索特征图与查询图像之间的关联。实验结果表明，我们的方法在FSOL任务中取得了显著的性能提升，为后续研究建立了高效的基准。所有代码和数据可在https://github.com/Ryh1218/FSOL获取。
引用
@article{arxiv.2403.12466,
title = {Few-shot Object Localization},
author = {Yunhan Ren and Bo Li and Chengyang Zhang and Yong Zhang and Baocai Yin},
journal= {arXiv preprint arXiv:2403.12466},
year = {2024}
}