无需微调的一次性目标检测
计算机视觉与模式识别
2020-05-11 v1 图像与视频处理
摘要
深度学习凭借大规模数据集革新了目标检测，但其目标类别仍可以说非常有限。在本文中，我们试图通过解决一次性目标检测问题来丰富此类类别，其中用于学习一个未见类别的标注训练样本数量限制为一个。我们引入了一个两阶段模型，由第一阶段 Matching-FCOS 网络和第二阶段 Structure-Aware Relation Module 组成，二者结合将度量学习与无锚框的 Faster R-CNN 风格检测流水线相集成，最终消除了在支持图像上微调的需要。我们还提出了有效提升检测性能的新训练策略。我们进行了广泛的定量与定性评估，我们的方法在多个数据集上持续超越最先进的一次性性能。
引用
@article{arxiv.2005.03819,
title = {One-Shot Object Detection without Fine-Tuning},
author = {Xiang Li and Lin Zhang and Yau Pun Chen and Yu-Wing Tai and Chi-Keung Tang},
journal= {arXiv preprint arXiv:2005.03819},
year = {2020}
}