InfRS：遥感图像中的增量少样本目标检测
计算机视觉与模式识别
2024-05-21 v1
摘要
最近，少样本检测领域在遥感图像中取得了显著进展。尽管如此，持续概念学习的能力仍是现有方法面临的重大挑战。本文探索了遥感图像中增量少样本目标检测的复杂任务。我们引入一种首创性微调技术，称为 InfRS，旨在使用受限的示例集促进新类的增量学习，同时无需回访之前的数据集即可保留对既有基类的性能。具体而言，我们使用丰富的基类数据进行预训练，然后生成一组代表数据内在特征的 class-wise 样本。 在增量学习阶段，我们引入基于 Wasserstein 距离的 prototypical calibration 策略来缓解灾难性遗忘问题。对 NWPU VHR-10 和 DIOR 数据集进行的全面评估表明，我们的模型能够有效解决遥感图像中的 iFSOD问题。代码将在发布。
引用
@article{arxiv.2405.11293,
title = {InfRS: Incremental Few-Shot Object Detection in Remote Sensing Images},
author = {Wuzhou Li and Jiawei Zhou and Xiang Li and Yi Cao and Guang Jin and Xuemin Zhang},
journal= {arXiv preprint arXiv:2405.11293},
year = {2024}
}