多尺度选择金字塔网络的小样本目标检测算法

摘要：

目标检测是把图像中指定的目标检测出来,这一技术已经广泛运用于自动驾驶、人脸识别等领域,已成为国内外计算机视觉领域的一大研究热点.传统的目标检测往往需要大量标注的数据集,如何在只有少量带注释样本的情况下进行目标检测是一个挑战.针对此问题,提出了一种多尺度选择金字塔网络的小样本目标检测算法,使检测不再依赖于大规模标签数据集.首先,设计了一个用于小样本目标检测的多尺度选择金字塔网络,它由三个组件组成:上下文层注意力模块、特征尺度增强模块、特征尺度选择模块.然后,在RPN网络产生的RoI特征后采用最大池化和平均池化来提升特征之间的相关性,之后进行特征融合,并且采用特征减法来突出特征中的类别信息,在保持模型对样本参数稳定性的前提下提高了对新类参数的敏感度;最后,采用正交映射损失函数使模型在分类层前就约束特征,即使在少量样本情况下也能够很好地衡量特征间的相似性.

关键词：目标检测、小样本、正交映射损失、特征融合

所属期刊栏目：16

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61373099

在线出版日期：2022-07-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：1649-1660