TIDE: 测试时间的少样本物体检测
原文中文,约200字,阅读约需1分钟。发表于: 。通过引入非对称架构来学习一个支持实例引导的动态类别分类器,进一步提供交叉注意力模块和多尺度调整器以增强模型性能,从而显著优于现有的多个少样本目标检测方法。
本研究探讨了现实世界中few-shot目标检测的方法,发现距离度量学习在新颖类别上表现更好,并证明了在真实世界的开放数据集中扩展目标类别对few-shot学习有利。
通过引入非对称架构来学习一个支持实例引导的动态类别分类器,进一步提供交叉注意力模块和多尺度调整器以增强模型性能,从而显著优于现有的多个少样本目标检测方法。
本研究探讨了现实世界中few-shot目标检测的方法,发现距离度量学习在新颖类别上表现更好,并证明了在真实世界的开放数据集中扩展目标类别对few-shot学习有利。