点击蓝字
关注我们
AI TIME欢迎每一位AI爱好者的加入!
本文探究了利用语义关系和视觉信息,并将显式的关系推理引入到新型物体检测的学习中。所提出基于语义关系推理的小样本目标检测器——SRR-FSD,对新目标的可训练样本数量具有鲁棒性和稳定性。实验表明,不论提供较多或较少的显式或隐式可训练样本,SRR-FSD都能获得具有竞争力的性能,且在训练样本很少的时候性能尤为突出。
诸宸辰:卡内基梅隆大学博士,主要研究方向为计算机视觉中的目标检测与场景理解,研究成果发表在CVPR、ECCV、ICCV等会议,也已转化为专利,并被部署到企业级AI应用中,谷歌学术引用2000余次。
01
背 景
目标检测作为计算机视觉的热门任务已经有了许多很成熟的算法,但将目标检测应用于现实世界中仍然有很大的挑战。一大挑战来源于实际检测中没有约束条件而导致的尺度差异、拍摄角度差异以及遮挡问题;另一大挑战是数据的长尾分布问题,即常见类别的数据比例较大,而