干货！基于语义关系推理的小样本目标检测

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