#437
summarized by : QIUYUE
RepMet: Representative-Based Metric Learning for Classification and Few-Shot Object Detection
Leonid Karlinsky, Joseph Shtok, Sivan Harary, Eli Schwartz, Amit Aides, Rogerio Feris, Raja Giryes, Alex M. Bronstein

どんな論文か？

同時にbackbone構造のパラ，embedding空間及びその空間の学習カテゴリのマルチモーダル分布を同時に学習する新たなDistance Metric Learning手法の提案．この手法がDML-basedな物体認識とFew-shot検出にSOTA達成．また，物体検出構造をDML識別器とコンバインする構造により新しいカテゴリを取り扱えるようにし，その結果few-shot検出を可能にした．
placeholder

新規性

Distance Metric LearningをFew-shot object detectionタスクに適応．

結果

他のDML-based物体認識の手法と比べ，Stanford Dogs, Oxford Pet, ImageNet AttributesなどのデータセットにおいてSOTAな精度を得られた．Few-shot object detectionにおいてImageNet-LOCデータセットで最も良い精度を得られた．

その他（なぜ通ったか？等）

ImageNet-LOCデータセットでSOTAな精度を達成．

このページで利用されている画像は論文から引用しています．