ViLD(Vision and Language knowledge Distillation): 基于视觉和语言模型的zero shot 目标检测
对于常用的目标检测而言，测试集和训练集的类别时保持一致的，即我们想要检测什么，那么训练集就有该类别的数据. 对于zero-shot 即测试集的出
谷歌Detic: 结合分类数据集进行目标检测模型训练
论文三连问 论文做了什么：使用分类数据集来训练检测模型的分类器，使检测器可以识别出上万的类别 论文怎么做的：对于检测标注格式的数据和分类标注格式