CVPR21中关于小样本检测的蒸馏技术，具体应用是怎样的？

本文共计2007个文字，预计阅读时间需要9分钟。

计算机视觉研究系专家：Edison_G目标检测框架的发展日益增多，我们的计算机视觉研究系最近也分享了众多目标检测框架。今天，我们继续分享一个最新的检测框架——DCNet。

计算机视觉研究院专栏

作者：Edison_G

目标检测现在的框架越来越多，我们“计算机视觉研究院”最近也分享了众多的目标检测框架！今天我们继续分享一个最新的检测框架——DCNet。

论文：​​arxiv.org/pdf/2103.17115.pdf​​

开源代码：​​github.com/hzhupku/DCNet​​

1

前言

传统的基于深度学习的目标检测方法需要大量的边界框标注数据进行训练，获得如此高质量的标注数据成本很高。少样本目标检测，学习适应只有少数带注释的例子的新类，非常具有挑战性，因为新目标的细粒度特征很容易被忽略，而只有少数可用数据。

为了充分利用带注释的新目标的特征并捕获查询对象的细粒度特征，研究者提出了具有稠密关系蒸馏与上下文感知聚合来解决Few-Shot检测问题。