【论文笔记】Frustratingly Simple Few-Shot Object Detection

最新推荐文章于 2024-08-02 15:43:57 发布
最新推荐文章于 2024-08-02 15:43:57 发布
阅读量6.9k 收藏 18
点赞数 13
文章标签： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Neal_YG/article/details/105146362
版权
本文探讨了在小样本目标检测任务中，基于微调的方法优于元学习策略，并提出了一种修正的评估方法。研究发现，固定特征提取器，仅微调分类和回归网络可以达到良好效果。此外，作者指出现有评估标准的不足，并提出评估整体性能的bAP和nAP指标。
摘要由CSDN通过智能技术生成

Frustratingly Simple Few-Shot Object Detection

https://arxiv.org/abs/2003.06957

https://github.com/ucbdrive/few-shot-object-detection

 

keywords: FSL、Object detection、fine-turning

Problem & Motivation

FSL（few-shot learning）在图像分类上已经有很多的研究了，近期也有不少工作开始关注少样本的目标检测问题。 在先前的工作中，认为元学习（meta-learning）是解决小样本学习的有效手段。元学习注重构建许多的元任务（meta-task），从任务的角度学习数据集中的元知识（meta-learning）。这些元知识可以是包括基本的共有特征

最低0.47元/天 解锁文章
GuanZI_Y
关注
From Alignment to Assignment Frustratingly Simple Unsupervised
08-24
From Alignment to Assignment Frustratingly Simple Unsupervised
【论文阅读】Frustratingly Simple Few-Shot Object Detection
juli_eyre的博客
02-17 1117
Few-shot object detection
Frustratingly Simple Few-Shot Object Detection
weixin_36670529的博客
02-25 2071
摘要 从几个例子中检测稀有物体是一个新兴的问题。先前的研究表明元学习是一种很有前途的方法。但是，精细的调音技术没有引起足够的重视。我们发现，仅微调现有探测器的最后一层稀有类是至关重要的少数射击目标检测任务。这种简单的方法比元学习方法的性能要高出约2 ~ 20点，有时甚至是之前方法的准确度的两倍。然而，少数样本中的高方差往往会导致现有基准测试的不可靠性。基于PASCAL VOC、COCO和LVIS三个数据集，我们通过对多组训练实例进行采样来修改评估协议，以获得稳定的比较，并建立新的基准。同样，...
【有啥问啥】深度学习任务中的 Zero-shot、One-shot 和 Few-shot 是什么？
最新发布
Chauvin的博客
08-02 1637
Zero-shot、One-shot 和 Few-shot 学习是处理数据稀缺问题的有效策略。在计算机视觉领域，它们为不同的数据场景提供了灵活的解决方案。Zero-shot 学习依赖于语义描述和先验知识，One-shot 学习依赖于度量学习和生成模型，而 Few-shot 学习则利用数据增强和模型正则化技术。通过了解这些方法的原理和应用场景，我们可以更好地设计和优化深度学习模型。
【文章阅读】Frustratingly Simple Few-Shot Object Detection
热门推荐
小李的研究生学习日记
10-22 2万+
从几个例子中检测稀有物体是一个新出现的问题。先前的研究表明，元学习是一种很有前途的方法。但是，微调技术几乎没有引起人们的注意。我们发现，仅对稀有类现有检测器的最后一层进行微调对于少镜头目标检测任务是至关重要的。在当前的基准测试中，这种简单的方法比元学习方法高出大约2~20个百分点，有时甚至会使以前的方法的准确率翻一番。然而，少数样本的高方差往往导致现有基准的不可靠。我们通过对多组训练样本进行采样来修改评估协议，以获得稳定的比较，并基于Pascal VOC、COCO和LVIS这三个数据集建立新的基准。
Frustratingly simple few-shot object detection
Burtan的专栏
04-12 1745
概述 这篇文章比较简单，仅对稀有类现有检测器的最后一层进行微调对于小样本目标检测任务至关重要。在目前的基准测试中，这种简单的方法比元学习方法提高了大约2~20个点，有时甚至是以前方法的两倍精度。 这里先介绍下基本概念 小样本学习： 1）标准小样本：给定一个大规模的训练集作为基类（base class），可以类比于人类的知识积累，对于从未见过的新类（novel class，与基类不重叠），借助每类少数几个训练样本，需要准确识别新类的测试样本。 2）广义小样本：相比与小样本学习，广义小样本学习中测试样本
[TFA] Frustratingly Simple Few-Shot Object Detection(ICML. 2020)
Ah丶Weii
08-09 1609
1. Contribution ​ 分类任务上的few-shot研究较多，相比之前FSOD收到较少的关注。 Detecting rare objects from a few examples is an emerging problem. However, much of this work has focused on basic image classification tasks. In contrast, few-shot object detection has received .
JPDA——读后感.pdf
12-28
This paper proposes a novel and frustratingly easy Joint Probability Distribution Adaptation (JPDA) approach, to replace the frequently-used joint maximum mean discrepancy metric in transfer ...
【reading papers】 二阶矩.pdf
09-20
在本文“Return of Frustratingly Easy Domain Adaptation”中，作者探讨了机器学习在处理训练（源）与测试（目标）输入分布之间变化的困难，这种现象称为领域转移。在实际场景中，领域转移很常见，它会严重影响传统...
few-shot-object-detection:一次性对象检测基准的实现
03-20
少量物体检测（FsDet） FsDet包含ICML 2020论文《令人中的官方几次物体检测实现。 除了以前的作品所使用的基准，我们还在三个数据集上引入了新的基准：PASCAL VOC，COCO和LVIS。我们对多组实验的多次抽样训练样本进行了多组采样，并报告了基础班和新颖班的评估结果。这些在“中有更详细的描述。 我们还为我们的两阶段微调方法（TFA）提供了基准测试结果和经过预训练的模型。在TFA中，我们首先在数据丰富的基类上训练整个对象检测器，然后仅在小的平衡训练集上微调检测器的最后一层。见为我们提供的模型和的培训和评估指导。 FsDet的模块化程度很高，因此您可以轻松添加自己的数据集和模型。该存储库的目标是为检测少量物体提供一个通用框架，该框架可用于将来的研究。 如果您发现此存储库对您的出版物有用，请考虑引用我们的论文。 @article{wang2020few, tit
湖北省南漳县肖堰镇肖堰初级中学九年级英语全册《Unit 4 What would you do》练习（无答案） 人教新目标版
08-19
第16题填入"frustratingly"，武汉夏天非常令人沮丧地热。 3. 用所给词的适当形式填空，例如第17题填入"passing"，他对通过考试有信心；第18题填入"listener"，你可以和她交谈，她是个很好的倾听者；第19题填入...
论文阅读——Frustratingly Simple Few-Shot Object Detection
qq_36919342的博客
06-01 624
Frustratingly Simple Few-Shot Object
Frustratingly Simple Few-Shot Object Detection论文解读
weixin_44340538的博客
01-22 3806
文章目录Frustratingly Simple Few-Shot Object Detection介绍模型框架实验 Frustratingly Simple Few-Shot Object Detection 摘要：小样本检测还很新，作者通过预训练-微调的方法取得了比元学习好2-20个点的效果，并且作者针对高方差的小样本检测效果提出了VOC和COCO数据集的新基准。代码的github地址为：https://github.com/ucbdrive/few-shot-object-detection 介绍
【论文翻译】Frustratingly Simple Few-Shot Object Detection
小张好难瘦的博客
12-08 2120
Frustratingly Simple Few-Shot Object Detection 简单小样本目标检测 论文地址：https://arxiv.org/pdf/2003.06957.pdf 代码地址：GitHub - ucbdrive/few-shot-object-detection: Implementations of few-shot object detection benchmarks Abstract Detecting rare objects from a few exam
【小样本目标检测实践VOC格式】Frustratingly Simple Few-Shot Object Detection
maqian5的博客
07-19 4451
小样本目标检测实践
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值