Oct, 2020

零样本物体检测中综合未见过的物体

PDF
TL;DR提出了一种用于物体检测的零样本学习方法，通过合成视觉特征实现模型同时学习已知和未知的物体，并采用一种新颖的生成模型，使用类语义不仅生成特征，而且还对它们进行鉴别分离。在三个物体检测基准测试中表现优秀，超过现有技术方法。
zero-shot detectionsynthesized visual featuresgenerative modelobject detectionstate-of-the-art methods
发现论文，激发创造
  • 零样本检测

    提出一种零样本方法，该方法通过训练一个将语义属性预测与视觉特征融合以提出所观察到和未观察到对象类别的目标边界框的端到端模型，不使用语义信息，在测试时能明显提高针对未知对象的平均精度，应用于 PASCAL VOC 和 MS COCO 数据集时观察到显著改进。

    Mar, 2018

  • 零样本目标检测的稳健区域特征合成器

    研究零样本物体检测的核心挑战，以设计了一个含有内类语义分歧组件和类间结构保持组件的框架，展示了新型方法在 PASCAL VOC、COCO 和 DIOR 数据集上实现了最先进的性能，并首次在遥感影像中达到了零样本物体检测的研究。

    Jan, 2022

  • 从零样本学习到传统监督分类：未见过的视觉数据合成

    该研究提出了一种新的零样本学习框架，并基于 Unseen Visual Data Synthesis 算法，利用语义属性有效地合成未见过的视觉特征，以解决实际应用中缺乏带标注样本的问题，并证实其能够显著提高现有技术水平。

    May, 2017

  • 零样本学习的合成分类器

    通过在语义空间和模型空间中相互协作的 “幻影” 对象类的优化，实现了零样本学习的最优判别性能，克服了训练阶段没有示例的难题。

    Mar, 2016

  • 不要再看一次：合成特征实现零样本检测

    本文介绍了一种名为 DELO 的检测算法，它通过综合未知对象的视觉特征并增强现有训练算法来实现零样本检测，并在 Pascal VOC 和 MSCOCO 上进行评估，并证明了与传统和其他零样本检测器相比的显着准确度提高。

    Nov, 2019

  • 零样本学习中预测未见类别的视觉典型

    本文提出了一种新的零样本学习模型，利用语义嵌入空间中的聚类结构来对已知对象的类别语义描述和示例进行建模，并通过训练多个基于核的回归器来实现语义表示 - 范例对的结构约束，从而在包括 ImageNet 数据集在内的标准基准数据集上显着优于现有的零样本学习方法。

    May, 2016

  • 使用 GAN 进行视觉数据合成，用于零样本视频分类

    本文提出了一种利用 GAN 进行视觉数据合成的框架来解决零样本视频分类问题，并结合多级语义推理和匹配感知的互信息相关来提高合成视频特征的鉴别能力，实验结果表明这种方法可以显著提高零样本视频分类的性能。

    Apr, 2018

  • 用潜在嵌入反馈和鉴别特征进行零样本分类

    本研究提出了一种基于语义一致性的零样本学习框架，在训练、特征合成和分类的所有阶段都强制执行语义一致性，并采用反馈循环来迭代地优化生成的特征，实验证明该方法在六个零样本学习基准任务上表现优异。

    Mar, 2020

  • 零样本物体检测

    本文提出了一种解决零样本目标检测问题的方法，并通过使用视觉 - 语义嵌入，背景感知方法，以及使用大量类别语义标签的辅助数据来解决仅有少数训练类别的问题。在 MSCOCO 和 VisualGenome 两个标准检测数据集上进行实验，验证了该方法的有效性。

    Apr, 2018

  • DoUnseen：面向机器人抓取的零样本物体检测

    本研究提出了一种零样本物体检测器，适用于开放集合，且不需预先知道物体类型，可以在抓取物体前几张图像后即可加入物体作为新的类别，并通过将未见物体分割网络级联零样本分类器的方式来打破分割管道的步骤。

    Apr, 2023