ECCV'24論文提出跨域小樣本物體檢測新數據集｜已開源

AIGC動態歡迎閱讀

原標題：ECCV'24論文提出跨域小樣本物體檢測新數據集｜已開源
關鍵字：方法,團隊,樣本,目標,數據
文章來源：量子位
內容字數：0字

內容摘要：

CD-ViTO團隊 投稿量子位 | 公眾號 QbitAI解決跨域小樣本物體檢測問題，入選ECCV 2024。
最新研究認為目前大多數跨域小樣本學習方法均集中于研究分類任務而忽略了目標檢測。
來自復旦大學、蘇黎世聯邦理工學院、INSAIT、東南大學、BOE科技的研究團隊，提出了一個用于算法評測的CD-FSOD數據集及用于衡量領域差異的style、ICV、IB數據集指標。
對現有目標檢測算法進行了廣泛實驗評估。
除此之外，團隊還提出了一種名為CD-ViTO的新方法，基于優化一個在經典FSOD上達到SOTA的開放域物體檢測器而得到。
CD-ViTO在多數情況下優于基準，成為該任務的新SOTA。
目前該項研究已入選ECCV 2024，所有數據集、代碼、以及相關資源都已開源。
研究目的跨域小樣本學習任務（Cross-Domain Few-Shot Learning，CD-FSL）解決的是源域與目標域存在領域差異情況下的小樣本學習任務，即集合了小樣本學習與跨域兩個任務的難點問題：
源域S與目標域T類別集合完全不同，且目標域T中的類別僅存在少量標注樣本，例如1shot，5shot；
S與T屬于兩個不

原文鏈接：ECCV'24論文提出跨域小樣本物體檢測新數據集｜已開源

聯系作者

文章來源：量子位
作者微信：
作者簡介：