用于零样本目标检测的鲁棒区域特征合成器
计算机视觉与模式识别
2022-01-04 v1
摘要
零样本目标检测旨在结合类别语义向量，以在给定无约束测试图像时实现对（可见和）不可见类别的检测。在本研究中，我们揭示了该研究领域的核心挑战：如何合成鲁棒的区域特征（针对不可见目标），使其具有与真实样本一样的类内多样性和类间可分离性，从而可在其上训练强不可见目标检测器。为应对这些挑战，我们构建了一个新颖的零样本目标检测框架，包含类内语义发散组件和类间结构保持组件。前者用于实现一对多映射，以从每个类别语义向量获得多样视觉特征，防止将真实不可见目标误分类为图像背景。后者用于避免合成特征过于分散而混淆类间及前景-背景关系。为证明所提方法的有效性，在PASCAL VOC、COCO和DIOR数据集上进行了综合实验。值得注意的是，我们的方法在PASCAL VOC和COCO上取得了新的SOTA性能，且首次在遥感影像中开展零样本目标检测。
引用
@article{arxiv.2201.00103,
title = {Robust Region Feature Synthesizer for Zero-Shot Object Detection},
author = {Peiliang Huang and Junwei Han and De Cheng and Dingwen Zhang},
journal= {arXiv preprint arXiv:2201.00103},
year = {2022}
}