少样本下显著提升检测精度
该检测器通过多视图融合生成高判别性零件表征，有效增强新类别的特征区分度，从而改善少样本目标检测中的误分类问题。
Jingkai, Ma · 白双
IEEE Transactions on Neural Networks and Learning Systems 2024
通过生成高判别性部件表征，模型能更好地区分易混淆的新类别，从而减少误分类。
提出部件检测器（PBD），生成任务感知的物体级部件，增强物体表征的判别性，使检测器能聚焦于关键区域。
图像级多视图融合模块（Img-MVF）和实例级多视图调制模块（Inst-MVM）从多个视角提取更丰富的判别信息，进一步促进部件生成。
在 PASCAL VOC 和 MS COCO 上的广泛实验表明，方法显著优于强基线，最高提升达 11.2%。