#ECCV2020# OS2D:匹配Anchor特征进行单阶段One-Shot目标检测
表现SOTA!性能优于CoAE(NeurIPS 2019)等网络
作者团队:三星HSE lab&MIRUM公司
在本文中,我们考虑了one-shot目标检测的任务。与标准目标检测不同,用于训练和测试的目标类别不重叠。 我们构建了一个联合执行定位和识别的一阶段系统。 我们使用学习到的局部特征的密集相关匹配来查找对应关系,使用前馈几何变换模型来对齐特征,并使用相关张量的双线性重采样来计算对齐特征的检测分数。 所有组件都是可区分的,从而可以进行端到端培训。 对几个具有挑战性的领域(零售产品,3D目标,建筑物和徽标)进行的实验评估表明,我们的方法可以检测到看不见的类别(例如,在杂货店训练时的牙膏),并且在性能上优于几个基准。
《OS2D: One-Stage One-Shot Object Detection by Matching Anchor Features》
代码:https://github.com/aosokin/os2d
论文下载链接:https://arxiv.org/abs/2003.06800
#论文速递# #ECCV2020# #目标检测# #One-shot目标检测#