CVPR2021挖的一个新坑
Open world object detection(后面简称ORE) = Open set learning + Incremental Learning
(1)Open set learning
这是ORE的核心,“confidently predict an unknown object as unknown, and known objects into the corresponding classes”
就是说,除了已知的类别,其他的所有object都要被预测为"unknown",同时保证已之类别的object的准确性
这其实有点类似显著性检测,或者说全景分割,要把所有物体都检测出来,对于unknown的object多半就是显著性检测了
(2)Incremental Learning
就是如果unknown的label得到了,就让网络增量学习,同时不遗忘之前学过的class,也就是说能够同时识别N+1种类别(N:以前就能识别的类别,1:新增的类别)
其实之前已经有人做了Open World Classification,也是这两样,不过ORE多了一个定位的过程,而且目标检测如果inference中出现从没见过的unknown,能否把它识别为object都是问题,多半会被识别为background,感觉还是比较难的
先看了Introduction,后面的再补,先搞毕业论文要紧。