实例级原型网络
少样本跨域检测
用少样本目标样本实现跨域目标检测的稳定提升
Lin, Zhang · Bo, Zhang · Shi, Botian · 樊嘉院 · 陈涛
IEEE Transactions on Circuits and Systems for Video Technology 2024
参数信息
- mAP提升（Cityscapes-to-FoggyCityscapes）
- 10.4 %
- mAP提升（Sim10k-to-Cityscapes）
- 3.0 %
技术优势
同时提升多个跨域场景
在Cityscapes-to-FoggyCityscapes和Sim10k-to-Cityscapes等多个跨域场景下均显著提升mAP，优于现有方法。
应用场景
- 具身智能：让机器人在新环境中仅用少量标注样本即可适配检测能力
- 机器人感知：用少量样本将感知模型迁移到新场景，降低机器人部署成本
- 无人机视觉：在无人机拍摄的少量目标域图像上快速适配检测器
- 自动驾驶感知：利用少量目标域样本提升雾天等域迁移下的检测精度