基于特征融合的小样本目标检测 |
| |
引用本文: | 华杰,刘学亮,赵烨.基于特征融合的小样本目标检测[J].计算机科学,2023(2):209-213. |
| |
作者姓名: | 华杰 刘学亮 赵烨 |
| |
作者单位: | 合肥工业大学计算机与信息学院 |
| |
基金项目: | 国家重点研发计划(2018AAA0102002);;国家自然科学基金(61976076,61632007)~~; |
| |
摘 要: | 小样本目标检测旨在通过少量的样本学习来训练目标检测模型,现有的小样本目标检测方法大多基于经典的目标检测算法。在二阶段的检测方法中,由于新类别样本数量少,产生了许多无关的边界框,导致候选区域的准确率较低。为了解决这个问题,提出了一种基于特征融合的小样本目标检测算法FF-FSOD。该方法采用特征融合的方法进行数据增强,对新类别样本进行补充,扩大样本的覆盖范围,同时引入FPN网络进行多尺度特征提取,再对RPN网络进行改进,引入支持集图像分支,计算支持集图像特征与查询集图像特征的深度互相关性,得到注意力特征图,进而获得更精确的候选框。所提模型的有效性在MS COCO和FSOD数据集上得到了验证,实验结果表明,该方法获得了更精准的候选框,进而提升了检测精度。
|
关 键 词: | 小样本学习 目标检测 深度学习 特征融合 特征金字塔 |
|
|