[ICCV 2019] Transductive Learning for Zero-Shot Object Detection

[paper]

第一个用直推式做零样本检测。
亮点：论文是基于自学习机制的，这个过程，保证了在源域上学到的知识不会被遗忘。在总结贡献的时候，（3）为了保持在源域上学习到概念，我们提出了一种固定的伪标签标注目标。

域漂移问题：
给定有限数量的可见类数据，ZSL旨在泛化到不同的未见类物体上。在现实中，未见类（目标域）的分布和已见类（源域）非常不同。这个问题叫做“域漂移问题”。

直推式零样本识别vs检测
区别一：ZSR中，图片中只有一类，已见类/未见类，ZSD中图像中包含多个已见类和未见类。训练时测试图片中的已见类也是没有标注的。
区别二：ZSR一般分开考虑已见类和未见类，遵循迭代联合学习。而ZSD由于复杂性和分类、定位的联合，端到端的模型更能提升效果。