【文件属性】：
文件名称：OWOD:（CVPR 2021口服）开放世界物体检测
文件大小：3.46MB
文件格式：ZIP
更新时间：2021-03-30 20:55:32
open-world object-detection cvpr incremental-learning energy-based-model
被CVPR 2021接受为ORAL论文
arXiv： ：
该图显示了我们新制定的“打开世界物体检测”设置与现有设置之间的关系。
抽象的
人类具有识别其环境中未知对象实例的天生的本能。 当相应的知识最终可用时，对这些未知实例的内在好奇心有助于学习它们。 这激励我们提出一个新颖的计算机视觉问题，称为：“开放世界对象检测”，其中的模型任务是：
在没有明确监督的情况下，将尚未引入的对象识别为“未知”，并且
当逐渐接收到相应的标签时，逐步学习这些已识别的未知类别，而不会忘记先前学习的类别。
我们提出了问题，引入了强大的评估协议并提供了一种新颖的解决方案，我们称之为ORE：基于对比聚类和基于能量的未知识别的开放世界对象检测器。 我们的实验评估和烧蚀研究分析了ORE在实现开放世界目标方面的功效。 作为有趣的副产品，我们发现识别和表征未知实例有助于减少增量对象检测设置中的混乱，在此方法中，我们无需