摘要
开放世界目标检测是一项具有挑战性的视觉任务,填补了传统目标检测与真实世界目标检测的差距.与有限类别集合设定下的传统方法不同,开放世界目标检测不仅需识别和检测已知(可见)类别的目标,还要能够标记并逐渐学习未知(不可见)类别的目标.当传统的目标检测技术直接应用于开放世界场景时,常出现2个主要问题:其一,可能会将未知类视为背景而忽视;其二,可能将未知类错误地归类为已知类.为解决这些问题,提出采用退火算法分离已知与未知的特征,指导检测模型的学习过程.由于退火模块的引入,未知类精度有所提升,但已知类的精度略有下降,因此引入高效通道注意力模块提高已知类精度.与以往方法相比,该策略在检测已知类和未知类的目标上均表现出更优的性能.
基金项目
吉林省科技厅自然科学基金(20210101412JC)
国家科技期刊平台
NSTL
万方数据