亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Generalized few-shot object detection in remote sensing images

判别式 人工智能 计算机科学 目标检测 遥感 遗忘 光学(聚焦) 分类器(UML) 模式识别(心理学) 地理 语言学 光学 物理 哲学
作者
Tianyang Zhang,Xiangrong Zhang,Peng Zhu,Xiuping Jia,Xu Tang,Licheng Jiao
出处
期刊:Isprs Journal of Photogrammetry and Remote Sensing 卷期号:195: 353-364 被引量:22
标识
DOI:10.1016/j.isprsjprs.2022.12.004
摘要

Recently few-shot object detection (FSOD) in remote sensing images (RSIs) has drawn increasing attention. However, the current FSOD methods in RSIs merely focus on the detection performance of few-shot novel classes while ignoring the severe degradation of the base class performance. Generalized few-shot object detection (G-FSOD) aims to solve the FSOD problem without forgetting previous knowledge. In this paper, we focus on the G-FSOD in RSIs and propose a Generalized Few-Shot Detector (G-FSDet) that can learn novel knowledge without forgetting. Through the comprehensive analysis of each component in the detector, a novel efficient transfer-learning framework is presented as the foundation of our G-FSDet, which is more suitable for FSOD in remote sensing scenes. Considering the greater intra-class diversity and lower inter-class separability of geospatial objects, we design a metric-based discriminative loss to learn a more discriminative classifier in the few-shot fine-tuning stage. Furthermore, a representation compensation module is proposed to alleviate the catastrophic forgetting problem by decoupling the representation learning of previous and novel knowledge. Extensive experiments on DIOR and NWPU VHR-10.v2 datasets demonstrate that our proposed G-FSDet achieves competitive novel class performance with minor degradation in the base class, reaching state-of-the-art overall performance among all few-shot settings. The source code is available at (https://github.com/RSer-XDU/G-FSDet).
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
边曦完成签到 ,获得积分10
1秒前
14秒前
豆子应助十三月的过客采纳,获得20
36秒前
52秒前
Magali发布了新的文献求助10
57秒前
小布完成签到 ,获得积分10
58秒前
华仔应助lalallaal采纳,获得10
59秒前
YiWeiYing完成签到,获得积分10
1分钟前
啦啦啦完成签到 ,获得积分10
1分钟前
深情安青应助jason采纳,获得10
1分钟前
冰糖葫芦娃完成签到,获得积分10
1分钟前
1分钟前
虞鱼瑜发布了新的文献求助10
1分钟前
YiWeiYing发布了新的文献求助10
1分钟前
虞鱼瑜完成签到,获得积分10
1分钟前
2分钟前
呼风唤雨发布了新的文献求助10
2分钟前
谢谢谢完成签到 ,获得积分10
2分钟前
呼风唤雨完成签到,获得积分10
2分钟前
努力奋斗完成签到,获得积分10
2分钟前
2分钟前
2分钟前
jason发布了新的文献求助10
2分钟前
爱做实验的泡利完成签到,获得积分10
2分钟前
可爱的你发布了新的文献求助30
2分钟前
莞尔wr1完成签到 ,获得积分10
3分钟前
NPC应助lxlxllx89采纳,获得10
3分钟前
冰激凌完成签到,获得积分10
3分钟前
归海梦岚完成签到,获得积分0
3分钟前
3分钟前
3分钟前
3分钟前
悠悠发布了新的文献求助10
3分钟前
邹醉蓝完成签到,获得积分10
3分钟前
634301059完成签到 ,获得积分10
4分钟前
悠悠完成签到,获得积分20
4分钟前
吃不饱星球球长应助jason采纳,获得10
4分钟前
4分钟前
李爱国应助悠悠采纳,获得10
4分钟前
4分钟前
高分求助中
Sustainability in Tides Chemistry 1500
Handbook of the Mammals of the World – Volume 3: Primates 805
拟南芥模式识别受体参与调控抗病蛋白介导的ETI免疫反应的机制研究 550
Gerard de Lairesse : an artist between stage and studio 500
Digging and Dealing in Eighteenth-Century Rome 500
Queer Politics in Times of New Authoritarianisms: Popular Culture in South Asia 500
Manual of Sewer Condition Classification 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3068077
求助须知:如何正确求助?哪些是违规求助? 2722010
关于积分的说明 7475961
捐赠科研通 2369097
什么是DOI,文献DOI怎么找? 1256116
科研通“疑难数据库(出版商)”最低求助积分说明 609454
版权声明 596795