| 小样本目标检测的研究现状 |
| |
| 引用本文： | 潘兴甲,张旭龙,董未名,姚寒星,徐常胜.小样本目标检测的研究现状[J].南京气象学院学报,2019,11(6):698-705. |
| |
| 作者姓名： | 潘兴甲 张旭龙 董未名 姚寒星 徐常胜 |
| |
| 作者单位： | 中国科学院自动化研究所, 北京, 100190;中国科学院大学, 北京, 100190,中国科学院自动化研究所, 北京, 100190;中国科学院大学, 北京, 100190,中国科学院自动化研究所, 北京, 100190,北京亮亮视野科技有限公司, 北京, 100014,中国科学院自动化研究所, 北京, 100190;中国科学院大学, 北京, 100190 |
| |
| 基金项目： | 国家重点研发计划（2018YFC0807500） |
| |
| 摘 要： | 近年来，随着深度学习技术的进步与推广，目标检测领域得到快速发展.但目前基于深度学习的方法大多对大规模标注数据有着极高的需求，而现实场景中大量标注数据往往不可能.因此，基于少量标注样本的目标检测领域逐渐得到大家关注.本文系统地总结与分析了目前有关小样本目标检测的方法，指出了目前方法的缺陷，并提出了一些可能的发展方向.
|
| 关 键 词： | 小样本学习 深度学习 目标检测 |
| 收稿时间： | 2019/10/17 0:00:00 |
A survey of few-shot object detection |
| |
| PAN Xingji,ZHANG Xulong,DONG Weiming,YAO Hanxing and XU Changsheng.A survey of few-shot object detection[J].Journal of Nanjing Institute of Meteorology,2019,11(6):698-705. |
| |
| Authors: | PAN Xingji ZHANG Xulong DONG Weiming YAO Hanxing and XU Changsheng |
| |
| Institution: | Institute of Automation, Chinese Academy of Sciences, Beijing 100190;University of Chinese Academy of Sciences, Beijing 100190,Institute of Automation, Chinese Academy of Sciences, Beijing 100190;University of Chinese Academy of Sciences, Beijing 100190,Institute of Automation, Chinese Academy of Sciences, Beijing 100190,Beijing LLVision Technology Co., Ltd., Beijing 100014 and Institute of Automation, Chinese Academy of Sciences, Beijing 100190;University of Chinese Academy of Sciences, Beijing 100190 |
| |
| Abstract: | Research on object detection has developed rapidly in recent years with the progress of deep learning.However,the deep learning based object detection systems rely heavily on large scale labeled training data,which are rarely available in our realistic scene,so few-shot object detection get researchers'' great concern.In this paper,we present a survey of few-shot object detection,and introduce the mainstream approaches and their characteristics,merits as well as limits.Finally,we provide the possible direction for further few-shot object detection research. |
| |
| Keywords: | few-shot learning deep learning object detection |
|
| 点击此处可从《南京气象学院学报》浏览原始摘要信息 |
| 点击此处可从《南京气象学院学报》下载免费的PDF全文 |
|
