科研之友
微信
新浪微博
Facebook
分享链接
摘要
面向小样本条件下的遥感图像目标检测任务，引入元学习技术并设计了一种多尺度重加权与场景修正算法。针对遥感图像中目标尺度变化大、小样本条件下目标与背景易混淆的问题，在特征提取部分将单尺度重加权拓展为多尺度重加权模块，充分引入支持样本的先验知识以适应不同目标的尺度变化；为了解决遥感图像目标类间相似性和类内差异性的问题，利用目标对于场景的依赖性设计了场景修正模块，对检出目标类别进行修正，并引入边际损失对特征空间内不同目标的特征分布进行约束。实验结果表明所提方法在10-shot任务设定上获得了较高的检测性能，在NWPU VHR-10和DIOR数据集的新类别上的mAP分别达到了64.18%和37.27%。
- 单位
