「AI新青年(nian)讲(jiang)座」将(jiang)邀请(qing)世界顶尖AI研究机构和大学的科研新青年(nian)，主讲(jiang)他(ta)们在计算(suan)机视觉、机器学习等人工(gong)智能领(ling)域的最新重要(yao)研究成果。

AI新(xin)青年(nian)是加(jia)速(su)人工智能(neng)前(qian)沿研(yan)究的(de)新(xin)生力量。AI新(xin)青年(nian)的(de)视频(pin)讲解(jie)和(he)直(zhi)播(bo)答疑，将(jiang)可以(yi)帮(bang)助大(da)家增进(jin)对人工智能(neng)前(qian)沿研(yan)究的(de)理解(jie)，相应领域(yu)的(de)专业(ye)知识也能(neng)够(gou)得以(yi)积累加(jia)深(shen)。同(tong)时，通过(guo)与AI新(xin)青年(nian)的(de)直(zhi)接交流(liu)，大(da)家在(zai)AI学习和(he)应用AI的(de)过(guo)程(cheng)中遇到(dao)的(de)问题，也能(neng)够(gou)尽快解(jie)决。

「AI新青年(nian)讲(jiang)(jiang)座」目(mu)前已完结194讲(jiang)(jiang)；有兴(xing)趣分享学术(shu)成(cheng)果的朋友(you)，可以与(yu)智东西公开课(ke)教研团队进行(xing)邮件（class@k193.net）联系。

小样本目标检测(ce)(ce)仅需(xu)要提供少(shao)量（通常(chang)少(shao)于(yu)等于(yu)10个）新类样本情况下，即可(ke)以(yi)检测(ce)(ce)出训练集之外类别目标的(de)方法(fa)。在机器(qi)人(ren)的(de)自主探索中(zhong)，我们只(zhi)能在线标注提供少(shao)量的(de)新类样本，但却期望机器(qi)人(ren)在未知环境中(zhong)检测(ce)(ce)到（模(mo)型训练过程中(zhong)未见过的(de)）新的(de)物体(ti)。因此，小样本目标检测(ce)(ce)在机器(qi)人(ren)领域越来越受(shou)到关注。

现有的(de)(de)(de)小目标(biao)检测方法在应用(yong)前都遵循训练、小样本微(wei)(wei)调(diao)的(de)(de)(de)两阶段(duan)范(fan)式。然而微(wei)(wei)调(diao)阶段(duan)并(bing)不(bu)(bu)适用(yong)于机(ji)器人在线(xian)探索(suo)的(de)(de)(de)场景。在机(ji)器人实(shi)际的(de)(de)(de)自(zi)主探索(suo)过(guo)程中，待检测的(de)(de)(de)新类别是(shi)动态变化(hua)，可能无(wu)限增加(jia)的(de)(de)(de)，而新一轮的(de)(de)(de)微(wei)(wei)调(diao)不(bu)(bu)仅影响效率，更(geng)会加(jia)大机(ji)器人机(ji)载算力的(de)(de)(de)负荷。同时，微(wei)(wei)调(diao)阶段(duan)的(de)(de)(de)很多超参数都需要验证(zheng)集进(jin)行(xing)验证(zheng)，如学习率、模型收敛(lian)epoch等(deng)等(deng)。这些对于在线(xian)探索(suo)任(ren)务而言，都是(shi)难以进(jin)行(xing)的(de)(de)(de)。

在(zai) ECCV 2022 中，来自卡内(nei)基梅隆大学(xue) Robotics Institute 的(de)(de)(de)在(zai)读(du)博士李博文(wen)等人针对(dui)机器人自主探(tan)索任务，最新设计(ji)并提出了一种无(wu)需微调的(de)(de)(de)小样本目标检(jian)测方(fang)法 AirDet。其模型的(de)(de)(de)核心(xin)是“与(yu)类别无(wu)关(guan)(guan)的(de)(de)(de)关(guan)(guan)联性(xing)（class-agnostic relation）”，包括(kuo)空(kong)间关(guan)(guan)联性(xing)与(yu)通道(dao)关(guan)(guan)联性(xing)。经过预训练后(hou)，未经微调的(de)(de)(de) AirDet 表现甚至优于部分微调后(hou)的(de)(de)(de)方(fang)法。在(zai)COCO，VOC，LVIS数据集与(yu) DARPA Subt 挑战赛真实数据中的(de)(de)(de)详尽(jin)实验也(ye)评估证明了 AirDet 的(de)(de)(de)优越性(xing)与(yu)可行性(xing)。

2月17日早10点，AI新青年讲(jiang)座第195讲(jiang)邀请到卡(ka)内基(ji)梅隆大(da)学Robotics Institute在读博(bo)士(shi)、AirDet一(yi)作李博(bo)文参与，主讲(jiang)《无需(xu)微调的移动机(ji)器人小样本目标检测方(fang)法》。

讲者
李博(bo)文，卡(ka)内基梅隆大学Robotics Institute在(zai)读博(bo)士；主要从事(shi)机器人视觉(jue)相关(guan)研究；所研发的AirDet目(mu)(mu)标检(jian)测方法(fa)可在(zai)机器人自主探索过程(cheng)中高效检(jian)测新类目(mu)(mu)标，现已被(bei)ECCV2022收录；先后在(zai)ICRA、ICCV、ECCV、RAL、IROS、IEEE TMC等国际会议(yi)或期刊发表多篇(pian)论(lun)文并担任审稿人。

第195讲

主 题
《无需(xu)微(wei)调(diao)的移(yi)动机器人小样本目标检测方法》

提 纲
1、小样本目标检测研究概述
2、在机器人自主探索中的应用挑战
3、无需微调的小样本目标检测器AirDet
4、工作不足之处以及未来展(zhan)望

直 播 信 息
直播时间：2月17日10:00
直(zhi)播(bo)地点：智东西公开课知识店铺

成果
AirDet：《AirDet: Few-Shot Detection without Fine-tuning for Autonomous Exploration》
论文地址：//arxiv.org/abs/2112.01740
代码地址：//github.com/Jaraxxus-Me/AirDet
ROS部署：//github.com/Jaraxxus-Me/AirDet_ROS