「AI新青年講座」將邀請世界頂尖AI研究機構(gòu)和大學的科研新青年，主講他們在計算機視覺、機器學習等人工智能領(lǐng)域的最新重要研究成果。
AI新青年是加速人工智能前沿研究的新生力量。AI新青年的視頻講解和直播答疑，將可以幫助大家增進對人工智能前沿研究的理解，相應(yīng)領(lǐng)域的專業(yè)知識也能夠得以積累加深。同時，通過與AI新青年的直接交流，大家在AI學習和應(yīng)用AI的過程中遇到的問題，也能夠盡快解決。
「AI新青年講座」目前已完結(jié)194講；有興趣分享學術(shù)成果的朋友，可以與智東西公開課教研團隊進行郵件（class@m.loveliyi.com）聯(lián)系。
小樣本目標檢測僅需要提供少量（通常少于等于10個）新類樣本情況下，即可以檢測出訓練集之外類別目標的方法。在機器人的自主探索中，我們只能在線標注提供少量的新類樣本，但卻期望機器人在未知環(huán)境中檢測到（模型訓練過程中未見過的）新的物體。因此，小樣本目標檢測在機器人領(lǐng)域越來越受到關(guān)注。
現(xiàn)有的小目標檢測方法在應(yīng)用前都遵循訓練、小樣本微調(diào)的兩階段范式。然而微調(diào)階段并不適用于機器人在線探索的場景。在機器人實際的自主探索過程中，待檢測的新類別是動態(tài)變化，可能無限增加的，而新一輪的微調(diào)不僅影響效率，更會加大機器人機載算力的負荷。同時，微調(diào)階段的很多超參數(shù)都需要驗證集進行驗證，如學習率、模型收斂epoch等等。這些對于在線探索任務(wù)而言，都是難以進行的。
在 ECCV 2022 中，來自卡內(nèi)基梅隆大學 Robotics Institute 的在讀博士李博文等人針對機器人自主探索任務(wù)，最新設(shè)計并提出了一種無需微調(diào)的小樣本目標檢測方法 AirDet。其模型的核心是“與類別無關(guān)的關(guān)聯(lián)性（class-agnostic relation）”，包括空間關(guān)聯(lián)性與通道關(guān)聯(lián)性。經(jīng)過預(yù)訓練后，未經(jīng)微調(diào)的 AirDet 表現(xiàn)甚至優(yōu)于部分微調(diào)后的方法。在COCO，VOC，LVIS數(shù)據(jù)集與 DARPA Subt 挑戰(zhàn)賽真實數(shù)據(jù)中的詳盡實驗也評估證明了 AirDet 的優(yōu)越性與可行性。
2月17日早10點，AI新青年講座第195講邀請到卡內(nèi)基梅隆大學Robotics Institute在讀博士、AirDet一作李博文參與，主講《無需微調(diào)的移動機器人小樣本目標檢測方法》。
講者
李博文，卡內(nèi)基梅隆大學Robotics Institute在讀博士；主要從事機器人視覺相關(guān)研究；所研發(fā)的AirDet目標檢測方法可在機器人自主探索過程中高效檢測新類目標，現(xiàn)已被ECCV2022收錄；先后在ICRA、ICCV、ECCV、RAL、IROS、IEEE TMC等國際會議或期刊發(fā)表多篇論文并擔任審稿人。
第195講
主 題
《無需微調(diào)的移動機器人小樣本目標檢測方法》
提 綱
1、小樣本目標檢測研究概述
2、在機器人自主探索中的應(yīng)用挑戰(zhàn)
3、無需微調(diào)的小樣本目標檢測器AirDet
4、工作不足之處以及未來展望
直 播 信 息
直播時間：2月17日10:00
直播地點：智東西公開課知識店鋪
成果
AirDet：《AirDet: Few-Shot Detection without Fine-tuning for Autonomous Exploration》
論文地址：https://arxiv.org/abs/2112.01740
代碼地址：https://github.com/Jaraxxus-Me/AirDet
ROS部署：https://github.com/Jaraxxus-Me/AirDet_ROS
