文章预览
前言 这篇文章针对目前大多数跨域小样本学习方法均集中于研究分类任务而忽略了目标检测，因而提出研究 跨域小样本物体检测 任务， 文章中提出了一个用于算法评测的 CD-FSOD数据集 及用于衡量领域差异的 style、 ICV 、IB数据集指标 ，对现有目标检测算法进行了广泛实验评估，以及基于优化一个在经典 FSOD 上达到 SOTA 的开放域物体检测器得到的 CD-ViTO 新方法。 Pytorch训练营，花两个星期彻底掌握代码实现 CV各大方向专栏与各个部署框架最全教程整理 CV全栈指导班、基础入门班、论文指导班 全面上线!! 来源： 我爱计算机视觉 仅用于学术分享，若侵权请联系删除 作者单位：复旦大学，苏黎世联邦理工学院，INSAIT，东南大学，BOE科技 论文链接：https://arxiv.org/pdf/2402.03094 网页链接：http://yuqianfu.com/CDFSOD-benchmark/ 中稿会议：ECCV 2024 1 研究目的 跨域小
………………………………
