foundational_fsod

用视觉语言模型让少样本检测更准，小数据也能快速上手

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署 开源模型 🍴 复刻 8 👀 关注 2
GitHub ↗
GitHub 星标 ★ 92
维护状态 低维护
是否开源 开源
定价模式 🏷️完全免费 开源项目，Apache-2.0许可证，可自由使用，无收费计划。

项目预览

foundational_fsod 项目界面预览图
图片来源：GitHub 官方仓库名片

项目数据

分类开源模型
开发团队anishmadan23
GitHubhttps://github.com/anishmadan23/foundational_fsod
定价模式🏷️完全免费
价格说明开源项目，Apache-2.0许可证，可自由使用，无收费计划。
访问状态🔧 仅开源项目，无在线服务，需自行部署
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型benchmark,few-shot-learning,few-shot-object-detection,foundation-models,lvis,nuimages,object-detection,vision-language-model
GitHub 星标★ 92
上线时间2024-04-01 00:00:00
代码更新2025-05-30
仓库体积12.5 MB
本站数据更新2026-11-10
维护状态低维护
收录时间2026-08-09
浏览次数6

项目介绍

这是一个少样本目标检测（FSOD）的开源实现，对应论文《Revisiting Few Shot Object Detection with Vision-Language Models》。项目旨在解决传统少样本检测器在数据稀缺下泛化能力弱的问题，通过引入视觉-语言模型（如CLIP）来增强特征表示，并重新审视基础训练与微调策略。核心能力包括：利用预训练视觉语言模型提取语义丰富的区域特征，设计适配少样本场景的检测头，以及提供在COCO、VOC等基准上的训练与评估代码。项目代码基于Python和PyTorch，结构清晰，便于研究者复现论文实验并在此基础上进行扩展。目前处于早期阶段，星标数93，但代码和文档已具备基本可用性。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 92

核心亮点

  • 创新性地将CLIP等视觉语言模型融入少样本检测，显著提升新类别的泛化能力
  • 提供了完整的训练和评估流程，支持COCO和VOC标准基准，便于复现论文结果
  • 代码结构模块化，检测头与特征提取解耦，易于替换或扩展不同视觉语言骨干

不足之处

  • 依赖大规模预训练视觉语言模型，推理和训练资源消耗较高
  • 文档/社区待观察，目前仅论文配套，使用教程和问题解答较少

适用场景

  • 工业质检中仅有少量缺陷样本时快速建立检测模型
  • 安防场景对新出现的异常目标进行快速识别
  • 学术研究中对比不同少样本检测方法的基线

替代项目

TFA (Two-stage Fine-tuning Approach)、DeFRCN (Decoupled Faster R-CNN)、Meta R-CNN

上一篇：osam

下一篇：DynamicVis

同类项目推荐

manga-image-translator 开源

一键翻译漫画图片文字，自动抹除替换，阅读无国界

Translate manga/image 一键翻译各类图片内文字 https://cotrans.touhou.ai/ (no longer w···

★ 10581 2026-08-10
Lexicon3D 开源

测出视觉模型对三维世界的真实理解力

[NeurIPS 2024] Lexicon3D: Probing Visual Foundation Models for Complex 3D Scene Unde···

★ 102 2026-08-09
FrozenBiLM 开源

冻结语言模型，零样本看懂视频回答问题

[NeurIPS 2022] Zero-Shot Video Question Answering via Frozen Bidirectional Language ···

★ 159 2026-08-09
EmerNeRF 开源

自监督分解动态场景，轻松重建三维世界

PyTorch Implementation of EmerNeRF: Emergent Spatial-Temporal Scene Decomposition vi···

★ 641 2026-08-09
unrealcv 开源

在虚幻引擎里一键生成带标注的视觉数据，省去真实采集成本

UnrealCV: Connecting Computer Vision to Unreal Engine

★ 2226 2026-08-10
pixel_mapper 开源

半自动把图像像素映射到三维空间坐标

Semi-automatic mapping of RGB pixels in 3D space using computer vision

★ 151 2026-10-26
sports 开源

用AI看懂体育比赛，一键提取球员位置和动作数据

computer vision and sports

★ 5486 2026-08-10