用于按需目标检测的形变检测器
计算机视觉与模式识别
2021-10-12 v1
摘要
许多智能机器人的新兴应用需要探索并理解新环境，其中期望以最小的在线代价即时检测新类别物体。这是一项按需目标检测（ODOD）任务。它颇具挑战，因为不可能即时标注大量数据，且嵌入式系统通常无法执行对训练至关重要的反向传播。现有多数少样本检测方法在此面临困境，因为它们需要额外训练。我们提出一种新颖的形变检测器（MD），它简单地将其部分可变形参数在线从少量样本估计而“形变”，从而无需任何额外训练即可检测新类别。MD有两组参数，一组用于特征嵌入，另一组用于类别表示（称为“原型”）。每个类别关联一个隐原型，通过整合视觉与语义嵌入来学习。MD的学习基于特征嵌入与原型的类EM式交替学习，从而能从新类别的少量样本恢复未知原型。一旦MD被学习，它便能用新类别的少量样本直接计算其原型以完成在线形变过程。我们已在Pascal、COCO和FSOD数据集上展示了MD的优越性。代码见 https://github.com/Zhaoxiangyun/Morphable-Detector。
引用
@article{arxiv.2110.04917,
title = {Morphable Detector for Object Detection on Demand},
author = {Xiangyun Zhao and Xu Zou and Ying Wu},
journal= {arXiv preprint arXiv:2110.04917},
year = {2021}
}
备注
ICCV 2021