arxiv：2501.16981v1 [cs.cv] 2025年1月28日__

arxiv：2501.16981v1 [cs.cv] 2025年1月28日

可下载资源数量

已经购买

下载数量：1

单价	0 1.0
Coupon	100% 0%
Total	0 1.0

点击下载点击购买并下载

点击购买，资源将自动在新窗口打开.

机构名称：

arxiv：2501.16981v1 [cs.cv] 2025年1月28日

¥ 1.0

热度

由于大规模的图像对比训练，预训练的视觉语言模型（VLM）（例如剪辑）表现出优越的开放式摄入识别能力。大多数存在的开放式摄制对象检测器都试图利用预训练的VLM来获得生成表示。f-Vit使用预先训练的视觉编码器作为骨干网，并在训练过程中冻结它。但是，冷冻的骨干线不能从标记的数据中受益，以增强表示形式。因此，我们提出了一种新型的两种分支骨干网络设计，称为VIT-FEATURE-调制多规模卷积网络（VMCNET）。vmcnet由可训练的卷积分支，冷冻预训练的VIT分支和特征调制模块组成。可训练的CNN分支可以通过标记的数据进行优化，而冷冻的预训练的VIT分支可以保持大规模预训练的表示能力。然后，提出的特征调制模块可以通过VIT分支的代表来调节多尺度CNN特征。使用拟议的混合结构，检测器更有可能发现新型类别。在两个流行的基准测试中进行了评估，我们的方法提高了新型类别的检测性能，并构成了基线。在OV-Coco上，该提出的方法以VIT-B/16和48.5 AP Novel 50具有VIT-L/14的AP Nove 50实现44.3 AP Novel 50。在OV-LVIS上，具有VIT-B/16和VIT-L/14的VMCNET达到27.8和38.4地图r。

添加pdf代下载 VIP点击下载文件