Novel Object Detection

Novel Object Detection是由Fomenko等人在论文“Learning to Discover and Detect Objects”中提出的一项具有挑战性的计算机视觉任务。该任务旨在评估模型在已知和未知类别上的mAP性能，其中已知类别为COCO数据集中的80类，未知类别为LVIS数据集中剩余的1123类。训练过程中，模型仅能使用COCO数据集的标注进行学习，但在评估和推理阶段，需对LVIS数据集中的所有类别进行分类和检测。这一任务对于提升模型的泛化能力和识别新对象的能力具有重要应用价值。