deeping games-CSDN博客

原创 Dual-Awareness Attention for Few-Shot Object Detection个人理解

针对提出的空间可变性(即很多时候support set中同类的对应位置与query image中同类的位置往往不能对应)与不确定表示(文中说是通过多个同类的support set进行平均池化得到的类原型可能并不能代表该类了于是呢，提出了DAnA。第一个是QPA特征，来引导网络按照自定义支持信息进行检测query image。

2023-05-26 15:17:14 173 2

原创 Meta R-CNN : Towards General Solver for Instance-level Low-shot Learning个人理解

在小样本条件下，在当时检测物体每次是进行检测一个物体（如Few-shot Object Detection via Feature Reweighting中），由于一张图片中，受到复杂的背景和多个其他目标的干扰，检测的效果不好。于是呢，提出了利用Faster RCNN的RPN将目标分为多个proposals，基于proposal来进行检测，这样就避免了其他的干扰。本文还引入了PRN模块，接收含小样本对象和其边界框或者掩码的图片，来得到class attentive vectors.

2023-05-22 11:45:40 710 1

原创 Few-Shot Object Detection with Attention-RPN and Multi-Relation Detector个人理解

本文的贡献：提出了Attention-RPN,Multi-Relation Detector和对比训练策略，以及提出了一个数据集。

2023-05-18 11:39:43 170 1

原创 DeFRCN: Decoupled Faster R-CNN for Few-Shot Object Detection个人理解

RPN与RCNN的多阶段矛盾分类与定位的多任务矛盾GDL(Gradient Decoupled layer)对多阶段解耦，重新定义了特征前向操作和梯度回传操作，来解耦其结构之前和之后一层。PCB(Prototypical Calibration Block)对多任务解耦，即采用一个脱机(即事先训练好的)的基于原型的分类器，利用额外的score 来校准分类为得分。

2023-05-17 14:26:28 640

原创 Meta-DETR: Image-Level Few-Shot Detection with Inter-Class Correlation Exploitation个人理解

主要就是本文的创新点，介绍一下。针对当前的小样本目标检测，普遍存在的两个问题：第一：由Faster RCNN产生的Region proposal的效果不好，导致误分类的情况增高（其实在FSCE就已经提到这点，所以在FSCE这篇论文中采用了一个trick,就是使用区域一致性控制，算是拯救一下吧)。第二:忽略了类间的相关性，导致没有利用类间的相似性来辅助分类，这也就限制了基于微调范式的小样本目标检测的泛化性能。

2023-05-14 10:06:26 702