技术特征：1.一种基于改进rpn和特征聚合的小样本目标检测方法，其特征是包括以下步骤：
2.根据权利要求1所述的一种基于改进rpn和特征聚合的小样本目标检测方法，其特征是步骤s3中改进rpn模块的实现步骤为：
3.根据权利要求1所述的一种基于改进rpn和特征聚合的小样本目标检测方法，其特征是步骤s4中基于注意力机制的特征聚合的实现步骤为：
技术总结一种基于改进RPN和特征聚合的小样本目标检测方法，包括以下步骤：定义任务，划分基类数据集和新类数据集；使用RestNet101网络进行特征提取并计算损失；改进RPN模块，筛选出高IOU的候选框；构建基于注意力机制的特征聚合模块，聚合来自不同层级的特征信息；利用softmax函数获取最终分类并获取最终的目标检测框位置。本发明对原始的RPN进行了改进，引入非线性分类器，提高对新类候选框的召回率；利用注意力机制增强特征聚合，获得更全面的信息和特征表示，解决信息丢失问题，提升模型对新类的泛化能力和检测性能，在PASCAL‑VOC和COCO数据集上取得了较好的检测效果。
技术研发人员：邬满,付可意,文莉莉,元昌安
受保护的技术使用者：广西科学院
技术研发日：技术公布日：2024/3/11