#730
summarized by : 金城 忍
FSCE: Few-Shot Object Detection via Contrastive Proposal Encoding

どんな論文か?

正規化されたRoI特徴量間で対称学習することでクラス内の特徴量に対してクラス外の特徴量の識別性を高める一方で、特徴量が属するクラスも推定することでクラス毎の決定境界に対する識別性を高めることで、物体検知におけるFew-shot学習の性能を改善する提案

新規性

RoI特徴量に関して対称学習しFew-shot学習において物体検知に対する頑健性を高めるという点で新規

結果

Faster-RCNN+ResNet-101+FPNをベースにPASCAL VOC (1, 2, 3, 5, 10 shot) 及びCOCO (10, 30 shot) での評価で、提案手法を適応した場合に良い結果を達成した (それぞれnAP50値及びnAP, nAP75値)

その他(なぜ通ったか?等)