彭昊 1,2王婉祺 1,2陈龙 1,2彭先蓉 1,*[ ... ]李美惠 1
作者单位
摘要
1 中国科学院光电技术研究所,四川 成都 610209
2 中国科学院大学,北京 100049
针对少量样本条件下模型易过拟合、目标错检与漏检问题,本文基于TFA (two-stage fine-tuning approach)提出了一种在线推断校准的小样本目标检测框架。该框架设计了一种全新的Attention-FPN网络,通过建模特征通道间的依赖关系选择性融合特征,结合分级冻结的学习机制引导RPN模块提取正确的新类前景目标;同时,构建了一种在线校准模块对样本进行实例分割编码,对众多候选目标进行评分重加权处理,纠正误检和漏检的预测目标。结果表明,所提算法在VOC数据集Novel Set1中,五个任务的平均nAP50提升10.16%,在性能上优于目前的主流算法。

小样本目标检测 Attention-FPN 特征通道 分级冻结 在线校准 RPN few-shot object detection attention-FPN feature channels hierarchical freezing online calibration RPN 
光电工程
2023, 50(1): 220180

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!