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