基于模板匹配和回归的少样本模式检测
计算机视觉与模式识别
2025-08-26 v1 人工智能
摘要
我们解决少样本模式检测的问题，即旨�从输入图像中检测给定模式（通常由少数示例表示）的所有实例。虽然类似问题在少样本目标计数和检测（FSCD）中已有研究，但以往方法和基准将感兴趣的模式局限于目标类别，往往无法准确定位非目标模式。本文提出一种基于模板匹配和回归的简单而有效的检测器，称为TMR。虽然以往FSCD方法通常将目标示例表示为空间折叠的原型，丢失结构信息，但我们重访经典的模板匹配和回归方法。它通过在冻结的主干网络上添加少量可学习的卷积或投影层，有效保留并利用示例的空间布局。我们还引入了一个新数据集，称为RPINE，涵盖了比现有以对象为中心的数据集更广泛的模式范围。我们的方法在RPINE、FSCD-147和FSCD-LVIS三个基准上均优于最先进的方法，并在跨数据集评估中表现出强大的泛化能力。
引用
@article{arxiv.2508.17636,
title = {Few-Shot Pattern Detection via Template Matching and Regression},
author = {Eunchan Jo and Dahyun Kang and Sanghyun Kim and Yunseon Choi and Minsu Cho},
journal= {arXiv preprint arXiv:2508.17636},
year = {2025}
}
备注
Accepted to ICCV 2025 (highlight)