近日，在IEEE国际多媒体与博览会会议（International Conference on Multimedia and Expo）ICME 2022公布的录用结果中，我校金沙集团186cc图形图像处理团队的论文入选。此次被录用的论文为“基于对比类特定编码的小样本目标检测方法”（Contrastive Class-Specific Encoding For Few-Shot Object Detection）。该研究成果由金沙集团186cc2019级研究生林弟忠完成，由团队符颖副教授和Keya西雅图研究院王昕博士联合指导。林弟忠和导师符颖为该论文共同第一作者，吴锡教授和王昕博士为共同通讯作者，金沙集团186cc为第一署名单位。

该项研究成果在国际上首次将对比学习用于基于无锚的目标检测工作,创新性地提出了一种可进行自监督和有监督对比学习类特定编码的小样本目标检测器,该检测器可有效地解决小样本目标检测模型由于训练样本量少而导致检测模型对新类泛化性能不足的问题,实验结果表明此方法超越了当前该领域的先进检测模型，具有优异的检测性能。

图1模型结构图

IEEE ICME 由IEEE 四大协会Computer Society、Circuits and System Society、 Signal Processing Society以及Communication Society共同主办，是计算机多媒体领域最重要和权威的两大国际旗舰会议之一，至今已连续举办21届，涵盖文本分析、图形图像、视频处理、语音和音频信号处理等主题。今年论文录用率为29%。

文章信息：Dizhong Lin^#, Ying Fu^#, Xin Wang*, Shu Hu, Bin Zhu, Qi Song, Xi Wu*, Jiliu Zhou and Siwei Lyu. Contrastive Class-specific Encoding For Few-shot Object Detection Dizhong Lin, ICME2022.

^# First author

* Corresponding author