YOLOOC：基于YOLO的开放类增量目标检测与新类发现
计算机视觉与模式识别
2024-04-23 v2 人工智能
机器学习
图像与视频处理
摘要
由于其在实践中的应用，开放世界目标检测（OWOD）近期受到了广泛关注。挑战在于模型如何能够检测新类，然后增量地学习它们，同时不遗忘先前已知的类。以往的方法依赖于强监督或弱监督的新类数据进行新类检测，这可能不适用于实际应用。我们构建了一个新的基准，其中新类仅在推理阶段遇到。我们提出了一种新的OWOD检测器YOLOOC，它基于YOLO架构，但针对开放类设置。我们引入标签平滑，以防止检测器过度自信地将新类映射到已知类，并发现新类。在我们更现实的设置上进行的广泛实验证明了我们的方法在新基准中发现新类的有效性。
引用
@article{arxiv.2404.00257,
title = {YOLOOC: YOLO-based Open-Class Incremental Object Detection with Novel Class Discovery},
author = {Qian Wan and Xiang Xiang and Qinhao Zhou},
journal= {arXiv preprint arXiv:2404.00257},
year = {2024}
}
备注
Withdrawn because it was submitted without consent of the first author. In addition, this submission has some errors