零样本目标检测
计算机视觉与模式识别
2018-07-30 v2
摘要
我们提出并解决了零样本目标检测（ZSD）问题，其旨在检测训练期间未观测到的目标类别。我们处理一组具有挑战性的目标类别，不像先前零样本分类工作那样将自己限制在相似和/或细粒度类别上。我们提出一种原则性方法，首先适配视觉-语义嵌入用于 ZSD。随后我们讨论与选择背景类相关的问题，并引出两种背景感知方法来学习鲁棒检测器。其中一种模型使用固定背景类，另一种基于迭代潜在分配。我们还概述了使用有限数量训练类所带来的挑战，并提出了基于利用具有大量类别的辅助数据对语义标签空间进行稠密采样的解决方案。我们提出了两个标准检测数据集——MSCOCO 和 VisualGenome 的新拆分，并在传统与广义零样本设定下给出大量实证结果，以凸显所提方法的优势。我们提供了关于算法的有益见解，并以提出一些开放性问题作结以鼓励进一步研究。
引用
@article{arxiv.1804.04340,
title = {Zero-Shot Object Detection},
author = {Ankan Bansal and Karan Sikka and Gaurav Sharma and Rama Chellappa and Ajay Divakaran},
journal= {arXiv preprint arXiv:1804.04340},
year = {2018}
}
备注
17 pages. ECCV 2018