欢迎关注“

计算机视觉研究院

”

计算机视觉研究院专栏

作者：Edison_G

近期三星堆正在发掘，大家都在翘首以盼揭开它的真相，这次出土非常多的物品，其中最期待的就是希望能找出三星堆文明和其他文明之间的联系，然后理清楚它的前世今生，当然了，这点很难，不，应该是前所未有的难！今天我们小数据训练来试试三星堆铜面具检测。

长按扫描二维码关注我们

回复“sxd”获取论文下载

由于真实世界数据的固有long-tail分布，Few-shot目标检测是一个迫切而持久的问题。它的性能在很大程度上受到新类数据稀缺的影响。但是，不管数据的可用性如何，新类和基类之间的语义关系是恒定的。

今天分享中，研究者研究了利用这种语义关系和视觉信息，并将显式关系推理引入到新的目标检测的学习中。具体来说，通过从大量文本语料库中学习的语义嵌入来表示每个类概念。检测器被训练成将目标的图像表示投影到这个嵌入空间中。研究者还发现了使用启发式知识图的原始嵌入的问题，并提出用动态关系图来增强嵌入。因此，将Few-shot检测器，称为SRR-FSD，针对新物体的shots是鲁棒和稳定。实验表明，SRR-FSD可以在较高的shots下获得竞争较好结果，更重要的是，在较低的外显和内隐shots下，SRR-FSD的性能显著提高。提出的基准协议与隐式shots从预先训练的分类数据集可以作为一个更现实的设置，为未来的研究打基础。

如果我们事先了解到新类别的“自行车”看起来像“摩托车”，可以与“人”互动，并且可以携带一个“瓶子”，那么学习“自行车”这个概念将比仅仅使用一些图片更容易。当视觉信息难以访问[Xiaolong Wang, Yufei Ye, and Abhinav Gupta. Zero-shot recognition via semantic embeddings and knowledge graphs. In Proceedings of the IEEE conference on computer vision and pattern recognition, pages 6857–6866, 2018]时，这种显式的关系推理甚至更为重要。如下图：

Relation Reasoning

语义空间投影学习将视觉空间的概念与语义空间对齐。但它仍然独立地处理每个类，并且在类之间没有知识传播。因此，研究者进一步引入了一个知识图来建模它们的关系。知识图G是一个N×N邻接矩阵，代表每个相邻类对的连接强度。G通过图卷积操作[T.N. Kipf and M. Welling. Semi-supervised classification with graph convolutional network. In International Conference on Learning Representations (ICLR)]参与分类。从数学上看，更新的概率预测如下公式：

heuristic definition of the knowledge graph

在zero-shot或few-shot识别算法中，知识图G是基于启发式的预定义。它通常是从常识知识规则数据库中通过规则路径对子图进行采样，从而使语义相关的类具有很强的连接。例如，来自ImageNet数据集的类具有从WordNet中采样的知识图。然而，FSOD数据集中的类在语义上并不高度相关，也不像ImageNet类那样形成层次结构。研究者发现的唯一适用的启发式方法是基于来自[Zhao-Min Chen, Xiu-Shen Wei, Peng Wang, and Yanwen Guo. Multi-label image recognition with graph convolutional networks. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pages 5177– 5186]的目标共现。虽然共现的统计量很容易计算，但共现并不一定等同于语义关系。

Network architecture of the relation reasoning module for learning the relation graph

研究者部分实验

FOSD在VOC数据集上的评估结果

FOSD在COCO数据集上的评估结果

基于该框架，利用少量数据对三星堆铜器雕塑家检测，具体如下：

下例是基于Face++的Api测试：（未检出出）

*后期将代码上传于Github

© THE END

我们开创“计算机视觉协会”知识星球一年有余，也得到很多同学的认可，我们定时会推送实践型内容与大家分享，在星球里的同学可以随时提问，随时提需求，我们都会及时给予回复及给出对应的答复。

如果想加入我们“计算机视觉研究院”，请扫二维码加入我们。我们会按照你的需求将你拉入对应的学习群！

计算机视觉研究院主要涉及深度学习领域，主要致力于人脸检测、人脸识别，多目标检测、目标跟踪、图像分割等研究方向。研究院接下来会不断分享最新的论文算法新框架，我们这次改革不同点就是，我们要着重”研究“。之后我们会针对相应领域分享实践过程，让大家真正体会摆脱理论的真实场景，培养爱动手编程爱动脑思考的习惯！

计算机视觉研究院

长按扫描二维码关注我们

回复“sxd”获取论文地址