少量对象检测（FSOD）是计算机视觉中快速生长的领域。它包括查找给定的一组类的所有出现，只有每个类的少数注释的示例。已经提出了许多方法来解决这一挑战，其中大部分是基于注意机制。然而，各种经典对象检测框架和培训策略使方法之间的性能比较困难。特别是对于基于关注的FSOD方法，比较不同关注机制对性能的影响是费力的。本文旨在填补这种缺点。为此，提出了一种灵活的框架，以允许实施文献中可用的大部分注意技术。要正确介绍这样的框架，首先提供了对现有FSOD方法的详细审查。然后在框架内重新实现一些不同的关注机制，并与固定的所有其他参数进行比较。
translated by 谷歌翻译
语言变化的研究研究了语言在不同的说话者组之间和内部的变化，从而阐明了我们如何使用语言来构建身份以及社会环境如何影响语言的使用。一种常见的方法是在语料库中识别某些语言特征的实例 - 例如零copula构造，并分析该功能在扬声器，主题和其他变量之间的分布，以便对功能或系统地了解该功能测量变化。在本文中，我们探讨了低资源英语品种中自动形态句法特征检测的具有挑战性的任务。我们提出了一种通过语料库引导的编辑生成和过滤有效的对比度集的人类在环境中的方法。我们表明，我们的方法改善了印度英语和非裔美国人英语的功能检测，展示了它如何帮助语言研究，并发布了我们的微调模型，以供其他研究人员使用。
translated by 谷歌翻译