作者 | CV君 编辑 | 极市平台
点击下方卡片，关注“自动驾驶之心”公众号
ADAS巨卷干货，即可获取
点击进入→自动驾驶之心【目标检测】技术交流群
导读
论文中仅用了500个类别参与训练，就可以使UniDetector检测超过7k个类别！
向大家介绍一篇今天新出的非常有意思的 CVPR 2023 的论文，相比于传统的目标检测算法，训练时标注了几个类别，就只能检测几个类别，这篇论文属于通用目标检测的范畴。
通过在训练过程中图像和文本对齐，它可以自动扩展到检测那些视觉标注中没有出现的类别。
这将有效帮助视觉系统目标检测能力的迁移，感觉是非常有前途的技术方向。
论文信息：
论文作者：Zhenyu Wang,Yali Li,Xi Chen,Ser-Nam Lim,Antonio Torralba,Hengshuang Zhao,Shengjin Wang
作者单位：北京信息科学与技术国家研究中心;清华大学;香港大学;Meta AI;MIT
论文链接：http://arxiv.org/abs/2303.11749v1
开源地址：https://github.com/zhenyuw16/UniDetector(尚未开源)
这篇论文作者大多数是国内学者。
传统的物体检测算法受限于繁琐的人工标注，在开放世界中出现新类别后往往需要“从头来过”，即使只增加一个新类别，也要完整过一遍标注、训练、部署整个流程，严重限制了其通用性，这显然不“科学”。
该论文作者提出了UniDetector，就是要让目标检测器具有识别开放世界中大量类别的能力。
其核心关键点：
1）基于图像和文本空间的对齐，利用多个来源和异构标签空间的图像进行训练，保证了通用表示的充分信息。
2）由于视觉和语言模态的丰富信息，使其易于推广到开放世界，同时保持已知和未知类别之间的平衡。
3）为了应对训练中的新挑战，作者还提出了提出的解耦训练方式和概率校准，进一步提高了对新类别的泛化能力。
论文中仅用了500个类别参与训练，就可以使UniDetector检测超过7k个类别！而这并不是代表UniDetector只能检测7K个类别，而是现有公开数据集只能让这项研究最多在7K个类别上进行检测和评估！
（好吧，这个世界限制了UniDetector的发挥~）
UniDetector算法示意：
UniDetector算法流程：
训练过程中的异构标签空间：
通过实验发现，在具有大量类别的目标检测数据集LVIS、ImageNetBoxes和VisualGenome上，UniDetector表现出强大的零样本泛化能力（也就是数据集中参与训练的图像样本为0个），超过传统监督算法平均4％以上！而在另外13个具有不同场景的目标检测数据集上，UniDetector仅使用3％的训练数据就实现了最先进的性能！
在开放世界数据集上的检测性能：
在COCO数据集上的性能：
零样本设置下 在 13 个开放世界数据集上的检测性能：
在COCO数据集上与其他开放类别的目标检测方法的比较：
在LVIS 数据集上与其他开放类别的目标检测方法的比较：
往期回顾
史上最全综述 | 3D目标检测算法汇总！（单目/双目/LiDAR/多模态/时序/半弱自监督）
视频课程来了！
自动驾驶之心为大家汇集了毫米波雷达视觉融合、高精地图、BEV感知、传感器标定、传感器部署、自动驾驶协同感知、语义分割、自动驾驶仿真、L4感知、决策规划、轨迹预测等多个方向学习视频，欢迎大家自取（扫码进入学习）
（扫码学习最新视频）
国内首个自动驾驶学习社区
近1000人的交流社区，和20+自动驾驶技术栈学习路线，想要了解更多自动驾驶感知（分类、检测、分割、关键点、车道线、3D目标检测、Occpuancy、多传感器融合、目标跟踪、光流估计、轨迹预测）、自动驾驶定位建图（SLAM、高精地图）、自动驾驶规划控制、领域技术方案、AI模型部署落地实战、行业动态、岗位发布，欢迎扫描下方二维码，加入自动驾驶之心知识星球，这是一个真正有干货的地方，与领域大佬交流入门、学习、工作、跳槽上的各类难题，日常分享论文+代码+视频，期待交流！
【自动驾驶之心】全栈技术交流群
自动驾驶之心是首个自动驾驶开发者社区，聚焦目标检测、语义分割、全景分割、实例分割、关键点检测、车道线、目标跟踪、3D目标检测、BEV感知、多传感器融合、SLAM、光流估计、深度估计、轨迹预测、高精地图、NeRF、规划控制、模型部署落地、自动驾驶仿真测试、产品经理、硬件配置、AI求职交流等方向；
添加汽车人助理微信邀请入群
备注：学校/公司+方向+昵称
