ECCV'24论文提出跨域小样本物体检测新数据集｜已开源

文章预览

CD-ViTO团队 投稿 量子位 | 公众号 QbitAI 解决 跨域小样本物体检测 问题，入选ECCV 2024。 最新研究认为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。 来自复旦大学、苏黎世联邦理工学院、INSAIT、东南大学、BOE科技的研究团队，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。 除此之外，团队还提出了一种名为 CD-ViTO 的新方法，基于优化一个在经典FSOD上达到SOTA的开放域物体检测器而得到。 CD-ViTO在多数情况下优于基准，成为该任务的新SOTA。 目前该项研究已入选ECCV 2024，所有数据集、代码、以及相关资源都已开源。 研究目的 跨域小样本学习任务 （Cross-Domain Few-Shot Learning，CD-FSL） 解决的是源域与目标域存在领域差异情况下的小样本学习任 ………………………………