在线推断校准的小样本目标检测

摘要：

针对少量样本条件下模型易过拟合、目标错检与漏检问题,本文基于TFA(two-stage fine-tuning approach)提出了一种在线推断校准的小样本目标检测框架.该框架设计了一种全新的Attention-FPN网络,通过建模特征通道间的依赖关系选择性融合特征,结合分级冻结的学习机制引导RPN模块提取正确的新类前景目标;同时,构建了一种在线校准模块对样本进行实例分割编码,对众多候选目标进行评分重加权处理,纠正误检和漏检的预测目标.结果表明,所提算法在VOC数据集Novel Set1中,五个任务的平均nAP50提升10.16％,在性能上优于目前的主流算法.

关键词：小样本目标检测、Attention-FPN、特征通道、分级冻结、在线校准、RPN

所属期刊栏目：50

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金62101529

在线出版日期：2023-02-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共15页

页码：83-97