# 开放词汇目标检测

目标数据集上的人工标注被一条自动流程替代：SAM生成分割候选，CLIP做快速预筛与标签匹配，大视觉语言模型只对聚类中心图像给出语义标签，再用这些伪标签训练开放集检测器并迭代精修。在COCO val2017与LVIS minival的零样本设定下，YOLO骨干版本分别达到60.8 AP和47.4 AP，Swin-T骨干版本为57.2 AP和46.2 AP，说明增益并非只来自检测骨干。

目标数据集上的人工标注被一条自动流程替代：SAM生成分割候选，CLIP做快速预筛与标签匹配，大视觉语言模型只对聚类中心图像给出语义标签，再用这些伪标签训练开放集检测器并迭代精修。在COCO val2017与LVIS minival的零样本设定下，YOLO骨干版本分别达到60.8 AP和47.4 AP，Swin-T骨干版本为57.2 AP和46.2 AP，说明增益并非只来自检测骨干。