论文标题：Towards Open World Object Detection 论文链接：https://arxiv.org/abs/2103.02603 代码链接：https://github.com/JosephKJ/OWOD 作者单位：IITH & MBZUAI 新视觉任务OWOD：Open World目标检测，可识别未知物体！更紧密地模拟现实世界！并提出一种解决方案：ORE，代码现已开源！

人类具有识别其环境中未知物体实例的天生的本能。当相应的知识最终可用时，对这些未知实例的内在好奇心有助于学习它们。这激励我们提出一个新颖的计算机视觉问题，称为“Open World目标检测”，其中的模型任务是：1）在没有明确监督的情况下，将尚未引入该对象的对象识别为“未知”，以及2）当逐渐接收到相应的标签时，逐步学习这些已识别的未知类别，而不会忘记先前学习的类别。我们提出了问题，引入了强大的评估协议并提供了一种新颖的解决方案，我们称之为ORE：基于对比聚类和基于能量的未知识别的开放世界目标检测器。我们的实验评估和烧蚀研究分析了ORE在实现开放世界目标方面的功效。作为有趣的by-product，我们发现识别和表征未知实例有助于减少增量目标检测设置中的混乱，在此方法中，我们无需任何方法上的努力即可获得最先进的性能。我们希望我们的工作将吸引对这个新发现的但至关重要的研究方向的进一步研究。

内容中包含的图片若涉及版权问题，请及时与我们联系删除