一种基于特征过滤和特征对齐的小样本目标检测方法

    公开(公告)号:CN116091787B

    公开(公告)日:2024-06-18

    申请号:CN202211228411.7

    申请日:2022-10-08

    Applicant: 中南大学

    Inventor: 王勇 杨亮 张彤

    Abstract: 本发明公开了一种基于特征过滤和特征对齐的小样本目标检测方法,建立了一个小样本目标检测模型,对于生成的查询集和支撑集特征,通过不同的卷积编码划分为key、value特征对,将特征对输入至空间交叉注意力和通道交叉注意力特征过滤模块,得到经过双重交叉注意力过滤后的特征,将特征进行拼接后输入至RPN网络生成候选框,将候选框和特征进行ROIAlign得到候选特征,融合候选特征和支撑集特征生成可变形卷积核,利用可变形卷积核对候选特征进行特征矫正对齐,最终分别输出候选特征的对应的类别概率及框的精细回归。相比于现有的图像分割方法,本发明能够在样本稀缺条件下提供更精准的检测,适用于各种复杂场景下的目标检测,泛化性能更强,检测效果更好。

    一种基于特征过滤和特征对齐的小样本目标检测方法

    公开(公告)号:CN116091787A

    公开(公告)日:2023-05-09

    申请号:CN202211228411.7

    申请日:2022-10-08

    Applicant: 中南大学

    Inventor: 王勇 杨亮 张彤

    Abstract: 本发明公开了一种基于特征过滤和特征对齐的小样本目标检测方法,建立了一个小样本目标检测模型,对于生成的查询集和支撑集特征,通过不同的卷积编码划分为key、value特征对,将特征对输入至空间交叉注意力和通道交叉注意力特征过滤模块,得到经过双重交叉注意力过滤后的特征,将特征进行拼接后输入至RPN网络生成候选框,将候选框和特征进行ROIAlign得到候选特征,融合候选特征和支撑集特征生成可变形卷积核,利用可变形卷积核对候选特征进行特征矫正对齐,最终分别输出候选特征的对应的类别概率及框的精细回归。相比于现有的图像分割方法,本发明能够在样本稀缺条件下提供更精准的检测,适用于各种复杂场景下的目标检测,泛化性能更强,检测效果更好。

Patent Agency Ranking