Label,Verify,Correct：一種簡單的Few Shot 目標檢測方法

少樣本目標檢測（few-shot object detection，F(xiàn)SOD）——僅在少數(shù)訓(xùn)練實例的情況下為新類別擴展目標檢測器的任務(wù)

01 前言

今天分享的目標是少樣本目標檢測（few-shot object detection，F(xiàn)SOD）——僅在少數(shù)訓(xùn)練實例的情況下為新類別擴展目標檢測器的任務(wù)。引入了一種簡單的偽標記方法，從訓(xùn)練集中為每個新類別獲取高質(zhì)量的偽注釋，大大增加了訓(xùn)練實例的數(shù)量并減少了類不平衡；新提出的方法會找到以前未標記的實例。

使用模型預(yù)測進行Na¨?vely training會產(chǎn)生次優(yōu)性能；研究者提出了兩種新方法來提高偽標記過程的精度：首先，引入了一種驗證技術(shù)來刪除具有不正確類標簽的候選檢測；其次，訓(xùn)練了一個專門的模型來糾正質(zhì)量差的邊界框。

在這兩個新步驟之后，獲得了大量高質(zhì)量的偽注釋，允許最終檢測器進行端到端的訓(xùn)練。此外，研究者展示了新方法保持了基類性能，以及FSOD中簡單增強的實用性。在對PASCAL VOC和MS-COCO進行基準測試時，與所有shots數(shù)量的現(xiàn)有方法相比，新提出的方法實現(xiàn)了最先進或次優(yōu)的性能。

02背景及相關(guān)技術(shù)

目標檢測是指確定圖像是否包含特定類別的對象的任務(wù)，如果是，則對它們進行定位。近年來，通過為一組預(yù)定義的目標類訓(xùn)練計算模型，在目標檢測方面取得了巨大的成功，其中包含大量人工注釋標簽，例如MS-COCO和PASCAL VOC。然而，這樣的訓(xùn)練范式限制了模型只能在有大量訓(xùn)練數(shù)據(jù)的封閉的小類別上表現(xiàn)良好。

相比之下，人類可以不斷擴展他們的詞匯表，學習檢測更多的類別，即使只能訪問幾個例子。這也是現(xiàn)代計算機視覺系統(tǒng)的理想能力，并在少樣本目標檢測 (FSOD) 任務(wù)中進行了研究。

研究者工作的目標是FSOD：給定一個現(xiàn)有的目標檢測器，該檢測器已經(jīng)在某些類別的大量數(shù)據(jù)（稱為基本類別）上進行了訓(xùn)練，我們希望學習僅使用一些注釋來檢測新類別，例如每個類別1-30個，同時保持原始基本類別的性能。

03新框架分析

Problem Definition

在今天分享中，我們考慮與TFA[Few-shot object detection via feature reweighting]中相同的問題設(shè)置。具體來說，假設(shè)我們有一個圖像數(shù)據(jù)集D和兩個注釋集。首先是 Ybase，對一組基本類別Cbase進行了詳盡的注釋。其次YKNOVEL，在一組小類別 CNOVEL上只有K個注釋。請注意，基本類別的注釋是詳盡的，但對于新類別，大多數(shù)實例都沒有標記，因為在少樣本設(shè)置下，僅為圖像數(shù)據(jù)集D提供了K個注釋。

為了解決“監(jiān)督崩潰”的問題，我們采用了一種簡單的偽標簽方法來挖掘新類別的實例，有效地擴展了它們的注釋集。然而，來自檢測器的偽注釋（在Novel訓(xùn)練之后）是不可靠的，包含大量誤報。在這里，我們建立了一種方法來提高這些候選偽注釋的精度，方法是自動過濾掉具有不正確類標簽的候選，并為剩余的那些改進邊界框坐標。我們的方法為新類別產(chǎn)生了大量高精度偽注釋，允許最終檢測器在基礎(chǔ)和新類別數(shù)據(jù)上進行端到端訓(xùn)練。

主要講解下Label Verification！我們從Chum等人的查詢擴展工作中獲得靈感[Total recall: Automatic query expansion with a generative feature model for object retrieval]。它使用空間驗證在檢索期間接受或拒絕新實例。這里的目標是驗證每個候選檢測的預(yù)測類標簽。具體來說，我們考慮為具有非常有限的few-shot注釋的新穎類別構(gòu)建分類器。僅使用少量注釋構(gòu)建分類器顯然不是一項簡單的任務(wù)，因為它通常需要高質(zhì)量的特征表示。在這里，我們受益于自監(jiān)督模型的最新發(fā)展，例如MoCo、SwAV、DINO，并使用這些模型產(chǎn)生的高質(zhì)量特征構(gòu)建kNN分類器。在實踐中，這項工作使用了通過自監(jiān)督DINO方法訓(xùn)練的ViT模型的輸出CLS，其中NN性能被證明特別強。

為了執(zhí)行標簽驗證（上圖），我們首先使用自監(jiān)督模型計算每個給定的新類 ground-truth注釋的特征。這些特征在kNN分類器中用作訓(xùn)練數(shù)據(jù)。同樣，我們使用相同的自監(jiān)督模型計算候選檢測集中每個實例的特征。具體來說，為了計算給定注釋/候選檢測的特征，首先使用邊界框來裁剪相關(guān)圖像。然后調(diào)整該作物的大小并作為輸入傳遞給自監(jiān)督模型。

04實驗及可視化

COCO數(shù)據(jù)上的性能比較

PASCAL VOC性能比較

左上：在標簽驗證期間驗證的預(yù)測實例；來自我們的基線檢測器和我們的kNN分類器的預(yù)測類標簽匹配。右上：在標簽驗證期間被拒絕的預(yù)測實例；我們的基線檢測器(誤報)和kNN預(yù)測的類標簽不匹配。左下：經(jīng)過驗證的質(zhì)量非常差的邊界框)藍色虛線)在框校正期間得到了顯著改善(石灰實心）。右下：經(jīng)過驗證的可接受的邊界框(藍色虛線)得到進一步改進(石灰實心)。