LSTD: Un Detector de Transferencia de Bajo Disparo para Detección de Objetos

Los avances recientes en la detección de objetos son impulsados principalmente por el aprendizaje profundo con marcos de referencia de detección a gran escala. Sin embargo, el conjunto de entrenamiento completamente anotado a menudo es limitado para una tarea de detección objetivo, lo que puede deteriorar el rendimiento de los detectores profundos. Para abordar este desafío, proponemos un novedoso detector de transferencia de bajo disparo (LSTD) en este artículo, donde aprovechamos el rico conocimiento del dominio fuente para construir un detector efectivo del dominio objetivo con muy pocos ejemplos de entrenamiento. Las principales contribuciones se describen de la siguiente manera. Primero, diseñamos una arquitectura profunda flexible de LSTD para aliviar las dificultades de transferencia en la detección de bajo disparo. Esta arquitectura puede integrar las ventajas de SSD y Faster RCNN en un marco profundo unificado. En segundo lugar, introducimos un novedoso marco de aprendizaje por transferencia regularizado para la detección de bajo disparo, donde se proponen las regularizaciones de conocimiento de transferencia (TK) y depresión de fondo (BD) para aprovechar el conocimiento del objeto respectivamente de los dominios fuente y objetivo, con el fin de mejorar aún más el ajuste fino con unas pocas imágenes objetivo. Finalmente, examinamos nuestro LSTD en una serie de desafiantes experimentos de detección de bajo disparo, donde LSTD supera a otros enfoques de vanguardia. Los resultados demuestran que LSTD es un detector profundo preferible para escenarios de bajo disparo.