![5a4536e78764ba94738351fd466763e5.png](https://i-blog.csdnimg.cn/blog_migrate/bb7825e2cad163d8476a0f5dd9e331ec.jpeg)
![a7d423729c736aff206b53539f175451.png](https://i-blog.csdnimg.cn/blog_migrate/245e09b13d55a740a0a930fc4d834551.jpeg)
作者 | 文永亮
学校 | 哈尔滨工业大学(深圳)
研究方向 | 时空序列预测、GAN
引文
最近笔者也在寻找目标检测的其他方向,一般可以继续挖掘的方向是从目标检测的数据入手,困难样本的目标检测,如检测物体被遮挡,极小人脸检测,亦或者数据样本不足的算法。这里笔者介绍一篇小样本(few-shot)数据方向下的域适应(Domain Adaptation)的目标检测算法,这篇新加坡国立大学&华为诺亚方舟实验室的paper《Few-shot Adaptive Faster R-CNN》被收录于CVPR2019,解决的具体问题场景是我们有在普通常见场景下的汽车目标检测,我们只有少量雾天暴雨极劣天气环境下的汽车样本,那么我们可以使用成对采样(pairing-sampling)的方法,源域(source domain)即普通场景下的汽车样本
论文源码还没完全开源,只找到了个官方的repo:https://github.com/twangnh/FAFRCNN
思考
在介绍文章具体网络设计和损失函数的设计之前,我们可以带着一个问题去思考。
- 用GAN的结构,数据样本使用
作为正样本、