ECCV 2020的多尺度正样本细化,用于少量镜头检测 我们的代码基于并使用Python 3.6.5和PyTorch 1.1.0开发。 抽象的 当手动注释非常耗时或数据采集受到限制时,少量目标检测(FSOD)可以帮助检测器以很少的训练实例适应看不见的课程。 在这项工作中,我们强调了处理规模变化问题的必要性,这由于独特的样本分布而具有挑战性。 缺乏新颖类别的标签会导致规模空间稀疏,这可能与丰富的训练数据的原始分布完全不同。 为此,我们提出了一种多尺度正样本细化(MPSR)方法来丰富FSOD中的对象尺度。 它生成多尺度的正样本作为对象金字塔,并在各种尺度上完善预测。 有关更多详细信息,请参阅我们的ECCV文件( )。 安装 检查INSTALL.md以获取安装说明。 由于maskrcnn-benchmark已被弃用,因此请仔细遵循以下说明(例如Python软件包的版本)。 准备数据集 准备原始