摘要
目标检测是计算机视觉的一项基本任务,并在深度学习的推动下得到广泛应
用。但是,当前目标检测算法存在严重的标注依赖问题,它们本质上只是通过海
量标注数据学习封闭世界中的模式匹配,无法突破预设类别边界并识别未标注类
别。这种局限源于其底层监督学习范式将视觉识别简化为有限类别的分类问题,
导致模型缺乏人类视觉系统所具备的开放世界认知能力。当实际应用场景中出现
未标注的物体时,为了实现模型对新目标的快速检测,避免大量数据标注的限制,
本文开展类内一致性增强和类间可区分性增强的零样本目标检测研究,可以使模
您可能关注的文档
最近下载
- 地连墙钢筋笼吊装方案说明.doc VIP
- 中医全科医生转岗培训考试试题.docx VIP
- 高考英语近5年真题高频词汇短语800词(2020-2025).docx
- 2026年高考人教版地理一轮复习:必修第二册知识点考点背诵提纲.docx
- 2025年六西格玛黑带注册考试真题.pdf VIP
- [qc成果]提高大直径钢筋直螺纹连接合格率成果汇报(54页 附图).ppt VIP
- 《建筑幕墙用钢型材》.doc VIP
- 深度解析(2026)《JBT 8937-2025对夹、凸耳对夹和法兰连接止回阀》.pptx VIP
- 浙江省五年(2021-2025)高考物理真题分类汇编:专题01 直线运动(解析版).pdf VIP
- 半导体的资料CMP-Process-Introduction.ppt VIP
原创力文档

文档评论(0)