科研之友
微信
新浪微博
Facebook
分享链接
摘要
基于元学习的小样本目标检测算法研究的关键之处是更好地利用支持分支的信息来更有效地帮助查询分支完成对新类目标的识别，许多算法在查询分支加入支持分支信息时通常只在深度方向进行融合而忽略了特征之间的空间位置关系。文中提出了基于非局部支持注意力的小样本目标检测算法模型，该方法不仅在候选框特征中加入了支持信息，还将支持信息与送入候选框生成网络的特征进行融合，同时考虑了特征之间的空间位置关系，在检测模块中加入负支持样本的信息帮助模型区分异类目标。该模型在在COCO2017数据集的基类和新类上均获得了良好的检测效果。尤其是在增量式学习的情况下，相比改进前，在新类的AP(Average Precision)/AP50/AP75上分别增加了3.3/3.8/4.7 mAP(mean Average Precision)，在基类的AP/AP50/AP75上分别增加了2.7/0.5/3.3 mAP，并且超过了相同设置下SOTA(Sort-Of-The-Art)模型DAnA(Dual-Awareness Attention)的表现。
- 单位
