文件名称:蒙特利尔最新《自监督少样本目标检测》
文件大小:6.08MB
文件格式:PDF
更新时间:2021-10-30 22:31:59
自监督 少样本目标检测
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。虽然少样本目标检测是关于用很少的数据在新的(看不见的)目标类上训练模型,但它仍然需要在许多标记的基类(见)的示例上进行预训练。另一方面,自监督方法旨在从未标记的数据中学习表示,这些数据可以很好地转移到下游任务,如目标检测。将少样本和自监督目标检测相结合是一个很有前景的研究方向。