论文提出了新的少样本目标检测算法，创新点包括Attention RPN 多关系检测器以及对比训练策略，另外还构建了包含 类的少样本检测数据集FSOD，在FSOD上训练得到的论文模型能够直接迁移到新类别的检测中，不需要fine tune 来源：晓飞的算法工程笔记 公众号 论文: Few Shot Object Detection with Attention RPN and Multi Relat ...
2020-04-23 10:33 0 1608 推荐指数：
论文提出增量式少样本目标检测算法ONCE，与主流的少样本目标检测算法不太一样，目前很多性能高的方法大都基于比对的方式进行有目标的检测，并且需要大量的数据进行模型训练再应用到新类中，要检测所有的类别则需要全部进行比对，十分耗时。而论文是增量式添加类别到模型，以常规的推理形式直接检测，十分高效 ...
论文提出CoAE少样本目标检测算法，该算法使用non-local block来提取目标图片与查询图片间的对应特征，使得RPN网络能够准确的获取对应类别对象的位置，另外使用类似SE block的squeeze and co-excitation模块来根据查询图片加强对应的特征纬度，最后结合 ...
目标检测算法SSD之训练自己的数据集 prerequesties 预备知识/前提条件 下载和配置了最新SSD代码 编译caffe 下载必要的模型（包括prototxt和caffemodel）； 运行了evaluation和webcam的例子，会提示caffe的import报错。添加 ...
特别感谢实验室小雷同学汇总此篇，日后学习目标跟踪可以有个好的方向好的借鉴，哪怕是比赛的时候选模型都可以参考一下。 ---------------------------------------------------------- 论文对应序号 ...
CVPR2018论文看点：基于度量学习分类与少镜头目标检测 简介 本文链接地址：https://arxiv.org/pdf/1806.04728.pdf 距离度量学习(DML)已成功地应用于目标分类，无论是在训练数据丰富的标准体系中，还是在每个类别仅用几个 ...
MRCNN网络结构: 一.Activation maps Moudle 这个模块中将原始的输入图像，经过一系列的卷积操作输出feature map，这部分可以使用各种经典的网络结构，这部 ...
引文 最近笔者也在寻找目标检测的其他方向，一般可以继续挖掘的方向是从目标检测的数据入手，困难样本的目标检测，如检测物体被遮挡，极小人脸检测，亦或者数据样本不足的算法。这里笔者介绍一篇小样本（few-shot）数据方向下的域适应（Domain Adaptation）的目标检测算法，这篇 ...
标检测任务是计算机视觉的基础任务之一，主要任务是对图像中的目标进行分类和定位。但是现有的目标检测任务基于大量的标注的图像进行训练，限制了某些场景下的应用和推广。 通过应用较少的标注数据的半监督方法或者利用不完全匹配的标注数据的弱监督方法，利用极少的标注数据学习具有一定泛化能力的模型显得较为重 ...
