Detecting Everything in the Open World: Towards Universal Object Detection小陈读paper系列（泛读）

CVPR 2023｜标签啊只标了500类，却可以检测7000类！

清华大学等提出通用目标检测算法

UniDetector

 通过在训练过程中图像和文本对齐，它可以自动扩展到检测那些视觉标注中没有出现的类别。

OOD问题什么是out of distribution (OOD) objects 通俗易懂哈哈_：）�东东要拼命的博客-CSDN博客

论文链接：http://arxiv.org/abs/2303.11749v1

想要解决的问题（或者说是动机motivation）

传统的物体检测算法受限于繁琐的人工标注，在开放世界中出现新类别后往往需要“从头来过”，

即使只增加一个新类别，也要完整过一遍标注、训练、部署整个流程，

严重限制了其通用性。

该论文作者提出了UniDetector，就是要让目标检测器具有识别开放世界中大量类别的能力。

 读下来嘞就是感觉很牛 哈哈

小翻译一下sangedian

1）基于图像和文本空间的对齐，利用多个来源和异构标签空间的图像进行训练，保证了通用表示的充分信息。

2）由于视觉和语言模态的丰富信息，使其易于推广到开放世界，同时保持已知和未知类别之间的平衡。

3）为了应对训练中的新挑战，作者还提出了提出的解耦训练方式和概率校准，

进一步提高了对新类别的泛化能力。

 确实 有两个标签来源 

图像和文本空间的对齐，利用多个来源和异构标签空间的图像进行训练

 

 其中异构标签heterogeneous label spaces

 这里的所有分类头都采用区域特征和语言嵌入之间的相似性。

单独的结构训练单个网络并将它们集成进行推理，

统一结构将多个数据集统一为一个数据集，

分区结构共享相同的主干但不同的分类头。

通过实验发现，在具有大量类别的目标检测数据集LVIS、ImageNetBoxes和VisualGenome上，UniDetector表现出强大的零样本泛化能力（也就是数据集中参与训练的图像样本为0个），超过传统监督算法平均4％以上！而在另外13个具有不同场景的目标检测数据集上，UniDetector仅使用3％的训练数据就达到了最先进的性能！

 

 普遍是涨一两个点甚至拉传统的卷积四五个点，所以 CVPR嘛哈哈

有机会再看看 实现细节 真牛啊 技术迭代吗