【目标检测】开源 | 结合few-shot和自我监督在目标检测任务中应用的综述文章

获取完整原文和代码，公众号回复：10091347771

论文地址： http://arxiv.org/pdf/2110.14711v2.pdf

代码： 公众号回复：10091347771

来源： Universite de Montreal

论文名称：A Survey of Self-Supervised and Few-Shot Object Detection

原文作者：Gabriel Huang

内容提要

标记数据通常是昂贵和耗时的，特别是对于目标检测和实例分割等任务，这需要密集的图像标记。虽然few-shot目标检测是关于用很少的数据在新的(看不见的)对象类上训练模型，但它仍然需要在许多标记了基类的示例上进行事先训练。另一方面，自我监督方法的目标是从未标记数据中学习表示，这些表示可以很好地传递到下游任务，如目标检测。结合few-shot和自监督进行目标检测是一个很有前途的研究方向。在这个调查中，我们回顾和描述了最近的方法在few-shot和自我监督的目标检测。然后，我们给出了主要的结论，并讨论了未来的研究方向。

主要框架及实验结果

声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请加上文微信联系删除。