Deployed d8dfc91 with MkDocs version: 1.4.2

index.html

@@ -88,6 +88,10 @@
 
             <li class="nav-item" data-level="1"><a href="#open-vocabulary-detection-contest-2023" class="nav-link">Open Vocabulary Detection Contest - 开放世界目标检测竞赛 2023</a>
               <ul class="nav flex-column">
+            <li class="nav-item" data-level="2"><a href="#360open-vocabulary-detection-contest-" class="nav-link">在各个竞赛团队的积极参与、中国图象图形学学会与360人工智能研究院的大力支持下，Open Vocabulary Detection Contest - 开放世界目标检测竞赛已经正式结束，在征集各个竞赛团队的许可后，我们将部分优胜团队的技术方案汇总并公开分享，详见以下链接：技术文档。</a>
+              <ul class="nav flex-column">
+              </ul>
+            </li>
             <li class="nav-item" data-level="2"><a href="#_1" class="nav-link">竞赛目的与意义</a>
               <ul class="nav flex-column">
               </ul>
@@ -121,7 +125,7 @@
 
 <h1 id="open-vocabulary-detection-contest-2023">Open Vocabulary Detection Contest - 开放世界目标检测竞赛 2023</h1>
 <p>hosted by 360 AI Institute</p>
-<hr />
+<h2 id="360open-vocabulary-detection-contest-">在各个竞赛团队的积极参与、中国图象图形学学会与360人工智能研究院的大力支持下，Open Vocabulary Detection Contest - 开放世界目标检测竞赛已经正式结束，在征集各个竞赛团队的许可后，我们将部分优胜团队的技术方案汇总并公开分享，详见以下链接：<a href="https://github.com/yuxie11/R2D2">技术文档</a>。</h2>
 <h2 id="_1">竞赛目的与意义</h2>
 <p>目标检测是计算机视觉中的核心任务之一，主要目的是让计算机可以自动识别图片中目标的类别，并标示出每个目标的位置。当前主流的目标检测方法主要针对闭集目标开发，即在整个任务前期需要对待检测目标进行类别定义，并进行人工数据标注，通过有监督模型训练使模型达到目标检测的目的。这一方式可以处理的待检测目标通常限定在几十类以内。但是当需要检测的目标类别增加到几千、万类时，上述方式在数据标注环节上已无法应对。与此同时，已训练模型也无法应对新的类别。当有新的类别出现时，需要手动进行标注并再次训练该模型，整体效率较低。</p>
 <p>开放词集目标检测（Open Vocabulary Detection, OVD）提供了解决上述问题的新思路。借助于现有跨模态模型（CLIP[1]、ALIGN[2]、<a href="https://github.com/yuxie11/R2D2">R2D2</a>[3] 等）的泛化能力，OVD可以实现以下功能：</p>
@@ -289,5 +293,5 @@ <h4 class="modal-title" id="keyboardModalLabel">Keyboard Shortcuts</h4>
 
 <!--
 MkDocs version : 1.4.2
-Build Date UTC : 2023-09-15 04:48:04.924797+00:00
+Build Date UTC : 2023-11-19 10:34:20.100150+00:00
 -->

sitemap.xml

@@ -2,17 +2,17 @@
 <urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
     <url>
          <loc>None</loc>
-         <lastmod>2023-09-15</lastmod>
+         <lastmod>2023-11-19</lastmod>
          <changefreq>daily</changefreq>
     </url>
     <url>
          <loc>None</loc>
-         <lastmod>2023-09-15</lastmod>
+         <lastmod>2023-11-19</lastmod>
          <changefreq>daily</changefreq>
     </url>
     <url>
          <loc>None</loc>
-         <lastmod>2023-09-15</lastmod>
+         <lastmod>2023-11-19</lastmod>
          <changefreq>daily</changefreq>
     </url>
 </urlset>