中北大学：基于关联和判别的小样本目标检测
论论资讯 ｜ 2024-04-29 ｜
77热度
Laser and Optoelectronics Progress
Explore content
About the journal
Publish with us
Few-Shot Object Detection Based on Association and Discrimination
Jianli J.; Huiyan H.; Liqun K.; Fangzheng H.; Xinyi Z.; Xiuquan Z.
Published：2024-04-01
DOI：10.3788/lop231658
研究背景
在当今社会，随着科技的迅速发展，深度学习技术在目标检测领域取得了长足进步。然而，针对少样本情况下的新类别目标检测仍然存在挑战，因为在少样本条件下，深度学习很容易导致特征空间的退化。现有大部分方法采用了整体微调范式，在丰富样本的基础类别上进行预训练，随后构建新类别的特征空间。然而，新类别隐式地基于多个基础类别构建特征空间，其结构相对分散，导致基础类别和新类别之间的可分性较差。
研究内容
这项研究提出了一种方法，即将新类别与相似的基础类别关联起来，然后对少样本目标检测中的每个类别进行区分。通过引入动态感兴趣区域头，模型提高了训练样本的利用率，并根据两者之间的语义相似性明确构建了新类别的特征空间。此外，通过解耦基础和新类别的分类分支，集成通道注意模块，并实施边界损失函数，我们显著提高了类别之间的可分性。在标准的PASCAL VOC数据集上的实验结果显示，我们的方法在nAP50平均分上超过了TFA、MPSR和DiGeo分别为10.2、5.4和7.8。
研究意义
这项研究的创新点在于提出了一种新的方法，通过关联和区分来解决少样本目标检测中的问题。这一方法不仅改进了现有的目标检测算法，还在实验中取得了显著的成果。这对进一步推动目标检测领域的发展具有重要意义，有望为未来的研究提供新的思路和方法。
学术热榜
查看全部
相关资讯
换一批