Детекция объектов по нескольким примерам без дообучения

В последнее десятилетие в области искусственного интеллекта произошла серия прорывов, способствовавших появлению алгоритмов, справляющихся на высоком уровне с задачей детекции объектов. Однако освоение новых концептов для обычных методов требует организации сложного процесса, включающего сбор и разметку данных, модификацию модели, организацию стратегии дообучения. В данной работе мы рассматриваем задачу детекции объектов новых категорий без дообучения и в условиях минимального количества размеченных данных. Для ее решения мы предлагаем простую, но эффективную архитектуру модели, состоящую из двух основных компонент - полносверточной нейронной сети, извлекающей признаковые описания, и модели типа трансформер, сопоставляющей информацию из нескольких размеченных примеров с извлеченными представлениями для совершения предсказания. Предложенная модель утилизирует информацию о нескольких размеченных примерах и производит детекцию в одностадийном режиме. Для обучения и оценки модели используется собственный синтетический набор данных.