ショット安定型Few-Shot 객체 검출을 위한 의미 관계 추론 注意：这里的翻译是将日文和韩文混合了，因为原文中“Shot-Stable”一词在韩文中没有直接对应的词汇，通常会保留英文或使用日文表达。如果需要完全用韩文表达，可以考虑如下： 샷 안정형 Few-Shot 객체 검출을 위한 의미 관계 추론 或者更常见的表达方式： 샷 안정형 소수 샷 객체 검출을 위한 의미 관계 추론

소수 샷 객체 검출은 실제 데이터의 고유한 장기 꼬리 분포로 인해 필수적이며 지속적인 문제입니다. 이 성능은 새로운 클래스의 데이터 부족에 크게 영향을 받습니다. 그러나 새로운 클래스와 기존 클래스 간의 의미적 관계는 데이터의 존재 여부에 상관없이 일정합니다. 본 연구에서는 이러한 의미적 관계를 시각 정보와 함께 활용하여 새로운 객체 검출 학습에 명시적인 관계 추론을 도입하는 방법을 조사하였습니다. 구체적으로, 각 클래스 개념을 대규모 텍스트 코퍼스에서 학습된 의미 임베딩으로 표현하였습니다. 검출기는 객체의 이미지 표현을 이 임베딩 공간으로 사영하도록 훈련되었습니다. 또한, 직관적인 지식 그래프와 원시 임베딩을 단순히 사용할 때 발생하는 문제를 식별하고, 동적 관계 그래프를 통해 임베딩을 강화하는 방법을 제안하였습니다. 그 결과, 소수 샷 검출기인 SRR-FSD는 새로운 객체의 샷 수 변화에 대해 견고하고 안정적임을 확인할 수 있었습니다. 실험 결과, SRR-FSD는 높은 샷 수에서도 경쟁력 있는 성능을 보였으며, 더 중요한 것은 낮은 명시적 및 암묵적 샷 수에서도 현저히 우수한 성능을 발휘하였습니다. 암묵적 샷이事前訓練된 분류 데이터셋에서 제거된 벤치마크 프로토콜은 미래 연구를 위한 더 현실적인 환경으로 작용할 수 있습니다.注：在最后一句中，“암묵적 샷이事前訓練된”中的“事前訓練된”是中文，可能是原文中的错误。正确的韩文应该是“事前 훈련된”或者“事전훈련된”。因此，我将其修正为“事前 훈련된”。修正后的句子：암묵적 샷이事前 훈련된 분류 데이터셋에서 제거된 벤치마크 프로토콜은 미래 연구를 위한 더 현실적인 환경으로 작용할 수 있습니다。