Label,Verify,Correct：一种简单的Few Shot 目标检测方法

文章预览

论文链接: https://arxiv.org/pdf/2112.05749.pdf 计算机视觉研究院专栏 作者：Edison_G 少样本目标检测（few-shot object detection， FSOD ）——仅在少数训练实例的情况下为新类别扩展目标检测器的任务 01 前言 今天分享的目标是少样本目标检测（few-shot object detection， FSOD ）——仅在少数训练实例的情况下为新类别扩展目标检测器的任务。引入了一种简单的 伪标记方法 ，从训练集中为每个新类别获取高质量的伪注释，大大增加了训练实例的数量并减少了类不平衡；新提出的方法会找到以前未标记的实例。 使用模型预测进行Na¨ıvely training会产生次优性能；研究者提出了两种新方法来提高伪标记过程的精度：首先，引入了一种验证技术来删除具有不正确类标签的候选检测；其次，训练了一个专门的模型来纠正质量差的边界框。 在这两个新步骤之后，获得了大量高 ………………………………