BriefGPT - AI 论文速递
·
语义增强的少样本目标检测
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了一种新的少样本定向目标检测方法，称为FOMC。该方法使用定向边界框和动态更新存储器的监督对比学习模块，实现了最先进的性能。
🎯
关键要点
- 提出了一种新的少样本定向目标检测方法，称为FOMC。
- 使用定向边界框来学习更好的特征表示，适用于远程感知图像。
- 引入了带有动态更新存储器的监督对比学习模块，以应对对象误分类问题。
- 该模块利用大批量的负样本，增强模型学习未见类别的区分特征的能力。
- 在DOTA和HRSC2016数据集上进行全面实验，模型实现了最先进的性能。
- 发布了代码和预训练模型。
➡️
