Few-shot Object Detection via Feature Reweighting 論文筆記

前言 小樣本目標檢測解決的問題是，在訓練一個檢測器時，每個目標類別只有一小部分被標記的樣本作爲訓練數據。本文提出了一個以元學習爲基礎的框架，如下圖所示。這個框架的設計思想是充分探索從一些基礎目標中學到的知識，從而通過少量樣本從新穎類別中檢測目標。作者發現在一些具有豐富樣本的基礎類別上訓練以CNN爲基礎的檢測模型時，可以在這個模型的頂層學到特定於某些目標屬性的中間特徵，這些特徵可以隱式組成不同目標的

>>阅读原文<<