公开(公告)号：CN113240039B

公开(公告)日：2023-08-15

申请号：CN202110605399.6

申请日：2021-05-31

Applicant: 西安电子科技大学

Inventor： 刘芳 ,  焦李成 ,  熊怡梦 ,  刘旭 ,  李鹏芳 ,  李玲玲 ,  郭雨薇 ,  陈璞花

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0985

Abstract: 本发明公开了基于空间位置特征重加权的小样本目标检测方法及系统，按照基类和新类构造支持集和查询集样本；构造基于目标完整性的特征融合模块；构造基于空间位置信息的特征调整模块；使用两阶段的训练方式对整个网络进行训练，该网络包括特征提取器、基于目标完整性的特征融合模块、元学习器、基于空间位置信息的特征调整模块和检测层；在基类训练阶段，使用基类构造的支持集和查询样本训练；在小样本微调阶段，使用基类和新类构造的平衡数据集训练；输入新类的测试和支持集图像，得到检测结果；本发明利用多个浅层特征并维持目标结构的完整性，同时，通过生成包含空间位置信息的元特征，对查询样本特征进行空间维度的调整，提高目标检测效果。

公开(公告)号：CN113420642A

公开(公告)日：2021-09-21

申请号：CN202110686586.1

申请日：2021-06-21

Applicant: 西安电子科技大学

Inventor： 刘芳 ,  熊怡梦 ,  李玲玲 ,  李鹏芳 ,  刘旭 ,  杜姚阳 ,  李硕 ,  陈璞花

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于类别语义特征重加权的小样本目标检测方法及系统，使用类别标签的语义信息计算出基类和新类类别之间的关联性，然后根据基类和新类之间的关联程度，使用图卷积网络将基类的元特征传递给新类的元特征，使在只有少量新类数据的情况下学习到较好的新类元特征。本发明按照基类和新类类别构造支持集和查询样本；根据基类和新类类别构造类别语义图；构造类别语义嵌入模块；使用两阶段的训练方式对整个网络进行训练，该网络包括特征提取器、元学习器、类别语义嵌入模块和检测层，在PASCAL VOC上的对比实验证明了本发明的有效性。

公开(公告)号：CN113240039A

公开(公告)日：2021-08-10

申请号：CN202110605399.6

申请日：2021-05-31

Applicant: 西安电子科技大学

Inventor： 刘芳 ,  焦李成 ,  熊怡梦 ,  刘旭 ,  李鹏芳 ,  李玲玲 ,  郭雨薇 ,  陈璞花

IPC: G06K9/62

Abstract: 本发明公开了基于空间位置特征重加权的小样本目标检测方法及系统，按照基类和新类构造支持集和查询集样本；构造基于目标完整性的特征融合模块；构造基于空间位置信息的特征调整模块；使用两阶段的训练方式对整个网络进行训练，该网络包括特征提取器、基于目标完整性的特征融合模块、元学习器、基于空间位置信息的特征调整模块和检测层；在基类训练阶段，使用基类构造的支持集和查询样本训练；在小样本微调阶段，使用基类和新类构造的平衡数据集训练；输入新类的测试和支持集图像，得到检测结果；本发明利用多个浅层特征并维持目标结构的完整性，同时，通过生成包含空间位置信息的元特征，对查询样本特征进行空间维度的调整，提高目标检测效果。