递归投影融合对比机制的少样本目标检测方法

针对少样本场景中尺度混乱、特征关联性差导致检测不精准的问题，提出一种基于多尺度融合对比机制的检测算法。相比先前方法仅关注表层特征迁移，该方法深刻探讨基类与新类特征空间的潜在联系。通过多尺度递归投影增加特征关联性，利用对比机制充分挖掘基类空间和通道信息，最大化引导新类特征的提取、筛选以及匹配，取得显著性能提升。在Pascal VOC和MS COCO数据集实验中验证了该方法的优越性，为少样本目标检测研究提供了新的理论支撑和研究方向。