AIGC動態(tài)歡迎閱讀

原標(biāo)題：ECCV'24論文提出跨域小樣本物體檢測新數(shù)據(jù)集｜已開源
關(guān)鍵字：方法,團(tuán)隊(duì),樣本,目標(biāo),數(shù)據(jù)
文章來源：量子位
內(nèi)容字?jǐn)?shù)：0字

內(nèi)容摘要：

CD-ViTO團(tuán)隊(duì) 投稿量子位 | 公眾號 QbitAI解決跨域小樣本物體檢測問題，入選ECCV 2024。
最新研究認(rèn)為目前大多數(shù)跨域小樣本學(xué)習(xí)方法均集中于研究分類任務(wù)而忽略了目標(biāo)檢測。
來自復(fù)旦大學(xué)、蘇黎世聯(lián)邦理工學(xué)院、INSAIT、東南大學(xué)、BOE科技的研究團(tuán)隊(duì)，提出了一個用于算法評測的CD-FSOD數(shù)據(jù)集及用于衡量領(lǐng)域差異的style、ICV、IB數(shù)據(jù)集指標(biāo)。
對現(xiàn)有目標(biāo)檢測算法進(jìn)行了廣泛實(shí)驗(yàn)評估。
除此之外，團(tuán)隊(duì)還提出了一種名為CD-ViTO的新方法，基于優(yōu)化一個在經(jīng)典FSOD上達(dá)到SOTA的開放域物體檢測器而得到。
CD-ViTO在多數(shù)情況下優(yōu)于基準(zhǔn)，成為該任務(wù)的新SOTA。
目前該項(xiàng)研究已入選ECCV 2024，所有數(shù)據(jù)集、代碼、以及相關(guān)資源都已開源。
研究目的跨域小樣本學(xué)習(xí)任務(wù)（Cross-Domain Few-Shot Learning，CD-FSL）解決的是源域與目標(biāo)域存在領(lǐng)域差異情況下的小樣本學(xué)習(xí)任務(wù)，即集合了小樣本學(xué)習(xí)與跨域兩個任務(wù)的難點(diǎn)問題：
源域S與目標(biāo)域T類別集合完全不同，且目標(biāo)域T中的類別僅存在少量標(biāo)注樣本，例如1shot，5shot；
S與T屬于兩個不

原文鏈接：ECCV'24論文提出跨域小樣本物體檢測新數(shù)據(jù)集｜已開源

聯(lián)系作者

文章來源：量子位
作者微信：
作者簡介：