ショット安定型ファーサンプル物体検出のための意味関係推論

少ショット物体検出は、実世界データの固有のロングテール分布により、重要な課題であり、長期間にわたって研究が続けられています。その性能は、新しいクラスのデータ不足によって大きく影響を受けます。しかし、新しいクラスと基本クラスとの間の意味論的関係は、データの可用性に関わらず一定です。本研究では、この意味論的関係を視覚情報とともに利用し、新しい物体検出の学習に明示的な関係推論を導入することを調査します。具体的には、各クラス概念を大量のテキストから学習した意味論的埋め込みで表現します。物体の画像表現をこの埋め込み空間に射影するように検出器を訓練します。また、ヒューリスティックな知識グラフを使用して原始的な埋め込みを単純に利用する際の問題点を特定し、動的な関係グラフで埋め込みを拡張することを提案します。その結果、当社の少ショット検出器（SRR-FSD）は、新しい物体のショット数変動に対して堅牢かつ安定しています。実験結果は、SRR-FSDがより高いショット数でも競争力のある結果を得られることを示しており、さらに重要なのは、低い明示的および暗黙的なショット数でも著しく優れた性能を発揮することです。事前学習された分類データセットから暗黙的なショット数を取り除いたベンチマークプロトコルは、今後の研究においてより現実的な設定として機能することができます。