小样本目标检测：详细综述

文章预览

目标检测是计算机视觉领域的一个关键研究方向，旨在准确识别和定位图像或视频中的特定物体。传统的目标检测方法依赖于针对每个物体类别的大规模标注训练数据集，这些数据集的收集和标注往往既耗时又昂贵。为了解决这一问题，研究人员提出了将小样本学习与目标检测原理相结合的小样本目标检测（FSOD）方法。这些方法使模型能够在只有少量标注样本的情况下快速适应新的物体类别。虽然传统的小样本目标检测方法已经被研究过，但本文综述了FSOD研究，特别是涵盖了不同的FSOD设置，如标准FSOD、广义FSOD、增量FSOD、开放集FSOD和领域自适应FSOD等。这些方法在减少对大量标注数据集依赖方面发挥着重要作用，特别是在对高效机器学习模型需求不断增加的背景下。本综述旨在全面理解上述小样本设置，并探讨每个FSOD任务的方法。本文详细比较 ………………………………