人类有一种辨别环境中未知物体的本能。当最终获得相应的知识时,对这些未知实例的内在好奇心有助于了解它们。这激励我们提出一种新颖的计算机视觉问题称:“开放世界目标检测”,在一个模型的任务是:1) 识别的对象没有被介绍,成为“未知”,没有明确的监督,和 2)增量学习这些识别未知类别。本文提出了一种基于对比聚类和基于能量的未知识别的开放世界目标检测方案。我们的实验评价和消融研究分析了ORE 在实现开放世界目标的有效性。作为一个有趣的副产品,我们发现识别和描述未知实例有助于减少增量对象检测设置中的混乱,在增量对象检测设置中,我们实现了最先进的性能,而不需要额外的方法努力。我们希望我们的工作将吸引对这一新确定的关键研究方向的进一步研究。
https://www.zhuanzhi.ai/paper/a94d7461d020972ee8352af42d75d543
专知便捷查看
便捷下载,请关注专知公众号(点击上方蓝色专知关注)
后台回复“ORE” 就可以获取《【CVPR2021】面向开放世界的目标检测》专知下载链接