向大家介绍一篇今天新出的非常有意思的 CVPR 2023 的论文，相比于传统的目标检测算法，训练时标注了几个类别，就只能检测几个类别，这篇论文属于通用目标检测的范畴。
通过在训练过程中图像和文本对齐，它可以自动扩展到检测那些视觉标注中没有出现的类别。
这将有效帮助视觉系统目标检测能力的迁移，感觉是非常有前途的技术方向。
论文信息：
这篇论文作者大多数是国内学者。
传统的物体检测算法受限于繁琐的人工标注，在开放世界中出现新类别后往往需要“从头来过”，即使只增加一个新类别，也要完整过一遍标注、训练、部署整个流程，严重限制了其通用性，这显然不“科学”。
该论文作者提出了UniDetector，就是要让目标检测器具有识别开放世界中大量类别的能力。
其核心关键点：
1）基于图像和文本空间的对齐，利用多个来源和异构标签空间的图像进行训练，保证了通用表示的充分信息。
2）由于视觉和语言模态的丰富信息，使其易于推广到开放世界，同时保持已知和未知类别之间的平衡。
3）为了应对训练中的新挑战，作者还提出了提出的解耦训练方式和概率校准，进一步提高了对新类别的泛化能力。
论文中仅用了500个类别参与训练，就可以使UniDetector检测超过7k个类别！而这并不是代表UniDetector只能检测7K个类别，而是现有公开数据集只能让这项研究最多在7K个类别上进行检测和评估！
（好吧，这个世界限制了UniDetector的发挥~）
UniDetector算法示意：
UniDetector算法流程：
训练过程中的异构标签空间：
通过实验发现，在具有大量类别的目标检测数据集LVIS、ImageNetBoxes和VisualGenome上，UniDetector表现出强大的零样本泛化能力（也就是数据集中参与训练的图像样本为0个），超过传统监督算法平均4％以上！而在另外13个具有不同场景的目标检测数据集上，UniDetector仅使用3％的训练数据就实现了最先进的性能！
在开放世界数据集上的检测性能：
在COCO数据集上的性能：
零样本设置下 在 13 个开放世界数据集上的检测性能：
在COCO数据集上与其他开放类别的目标检测方法的比较：
在LVIS 数据集上与其他开放类别的目标检测方法的比较：
