CD-FSOD: A Benchmark for Cross-domain Few-shot Object Detection

要約

この論文では、多様なデータドメインからの画像データで構成される、クロスドメインの少数ショットオブジェクト検出 (CD-FSOD) ベンチマークの研究を提案します。
提案されたベンチマークでは、メタ学習 FSOD アプローチや微調整 FSOD アプローチなど、最先端の FSOD アプローチを評価します。
結果は、これらの方法が失敗する傾向があり、単純な微調整モデルよりもパフォーマンスが低いことを示しています。
それらの失敗の理由を分析し、相互に有益な方法を使用して過剰適合の問題を軽減する強力なベースラインを導入します。
私たちのアプローチは、提案されたベンチマークで既存のアプローチよりも大幅に優れています (平均 2.0\%)。
私たちのコードは、\url{https://github.com/FSOD/CD-FSOD} で入手できます。

要約(オリジナル)

In this paper, we propose a study of the cross-domain few-shot object detection (CD-FSOD) benchmark, consisting of image data from a diverse data domain. On the proposed benchmark, we evaluate state-of-art FSOD approaches, including meta-learning FSOD approaches and fine-tuning FSOD approaches. The results show that these methods tend to fall, and even underperform the naive fine-tuning model. We analyze the reasons for their failure and introduce a strong baseline that uses a mutually-beneficial manner to alleviate the overfitting problem. Our approach is remarkably superior to existing approaches by significant margins (2.0\% on average) on the proposed benchmark. Our code is available at \url{https://github.com/FSOD/CD-FSOD}.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google