Zero-shot and few-shot Detection

最近想做few-shot object detection方向，而在分类任务上有很多丰富的few-shot leanrning方法，因此产生了个思路，将经典的目标检测框架中的目标分类部分换成少样本学习分类，但是具体结合起来有一下困难：

1. 一张图上包含多种类别的物体，这和分类任务每次图中只包含一个种类有区别。
2. novel类别的定位问题，这是few-shot分类中没有的问题。
3. 在提高novel类别的mAP时，base类别的mAP也应该保持，否则检测器没有实用性（只能识别新的类别）

ps:第三点有待商议，也可以只训练一个few-shot检测器，只检测novel 类别。

---

Zero-shot object detection

(从https://zhuanlan.zhihu.com/p/38418698 收藏了一些文章，自己也添加了一些)

1.  Zero-shot Detection

2. Zero-Shot Object Detection by Hybrid Region Embedding

3. Zero-Shot Object Detection: Learning to Simultaneously Recognize and Localize Novel Concepts

4. Zero-shot Object Detection (不是同一篇)

5. Don't Even Look Once:Synthesizing Features for Zero-Shot Detection