qqxuanwu(qq炫舞官网)

简介：目标检测是计算机视觉和图像处理的一项基本任务。虽然基于深度学习的目标检测器在丰富的标记数据下取得了很大的成功，但是当训练数据有限时，物体检测模型很容易过拟合。因此，有必要在物体检测中引入小样本学习和零样本学习，可以一起命名为低样本目标检测。低样本物体检测（LSOD）旨在从少数甚至零标记的数据中检测物体，它可以分为小样本物体检测（FSOD）和零样本目标检测（ZSD）。本文对基于预训练和深度学习的FSOD和ZSD进行了全面综述，主要包含三部分，首先将FSOD和ZSD的方法分为不同类别，并讨论了它们的优点和缺点；其次回顾了FSOD和ZSD的数据集设置和评估指标，然后分析了不同方法在这些基准上的表现；最后讨论了FSOD和ZSD的未来挑战和有希望的方向。

论文地址：https://img.pigren.com/uploads/202203282309/61aed0d85244ab9dcb3a7129 亿个，而标准版BERT只有3.4亿个参数。为了得到更大的BERT模型，谷歌使用的计算机搭载了2048个TPU芯片。谷歌还说，其能够以63%的效率运行庞大的BERT模型，这比英伟达和微软共同开发的Megatron-Turing语言模型52%的效率要好。

本文标签：