令人沮丧的简单少样本目标检测

从少量样本中检测稀有对象是一个新兴的问题。先前的研究表明，元学习是一种有前景的方法。然而，微调技术却未受到足够的关注。我们发现，仅对现有检测器的最后一层进行微调在小样本目标检测任务中至关重要。这种简单的方法在当前基准测试中比元学习方法高出约2~20个百分点，有时甚至使先前方法的准确性翻倍。然而，少量样本中的高方差往往导致现有基准测试的不可靠性。我们通过采样多组训练样本来修订评估协议，以获得稳定的比较结果，并基于三个数据集（PASCAL VOC、COCO和LVIS）建立了新的基准测试。再次，我们的微调方法在修订后的基准测试中确立了新的最先进水平。代码及预训练模型可在 https://github.com/ucbdrive/few-shot-object-detection 获取。