基于孪生神经网络的小样本目标检测综述

摘要：

目标检测是计算机视觉的基础任务之一,其主要任务是对图像中的目标进行分类和定位.小样本目标检测的目的就是利用极少数的训练样本实现对目标的检测,从而减少繁杂的标注工作,并实现在只有少量样本场景下的应用.现有的小样本目标检测方法主要包括基于孪生神经网络的方法和基于微调的方法,这些方法通过利用现有的包含大量样本的基类数据集和包含少量样本的小样本数据集的训练,使模型实现对小样本类别的分类和定位.重点调研了基于孪生神经网络的双分支小样本目标检测方法,简要介绍了基于微调的小样本目标检测方案,分析了这些方案的优缺点,指出现有的小样本目标检测方案虽不成熟,模型精度有待提升,性能评估方案也有待完善,但却有着十分广阔的应用前景,未来若能通过深入研究解决小样本目标检测的现有问题,其精度必将赶超传统目标检测.

关键词：计算机感知、目标检测、小样本学习、孪生神经网络、图像

所属期刊栏目：43

分类号：TN958.98

资助基金：国网浙江省电力有限公司科技项目B311XT210082

在线出版日期：2023-01-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：642-650