论文阅读:Towards Open World Object Detection
本篇文章是今年cvpr的oral,如有理解不当,欢迎各位大佬指正。
motivation
人类可以凭借直觉从环境中找出不认识的物体,当学习到相应的知识后,人们就会了解这些物体。因此作者提出一个开放世界目标检测(Open World Object Detection)任务:
- 能够检测出当前没有没有标注过的物体,并标注为未知
- 当逐渐获得label之后,持续学习这些未标注的类别
contribution
- 提出了Open World Object Detection,使得问题更接近真实世界。
- 提出了基于对比聚类、unknow-aware proposal network和基于未知物体识别的能量模型的ORE方法来解决开放世界检测问题。
- 提出了一个全面的实验设置来帮助测试开放世界检测问题
- 该方法一不小心在持续目标检测上实现了SOTA性能
method
- 在特征空间中使用对比聚类来让相同类的prototype靠近,不同类的prototype相互远离来进行分类。
- 相对于传统的目标检测,引入了unknown类,使用一个类别无关RPN的来检测物体。
- 为了避免将unknown的物体检测为已知类别,学习一个能量函数。最终使用weibull分布来拟合数据发现,未知类的能量值高于已知类,使用能量值来区分物体是否是未知。
- 当加入了新的标签,通过持续学习的方法根据之前的unknown类快速学习新的类别。