买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：清华大学深圳国际研究生院

摘要：本发明提出一种基于支撑样本特征增强的小样本目标检测方法及装置，小样本目标检测方法具体包括：模型初始化阶段；元训练第一阶段：在基类数据中采样待检测图片与支撑样本，按照模型的元训练方式进行训练；元训练第二阶段：将所有的基类数据作为支撑样本输入模型，计算并存储每一类别下所有支撑样本的类特征向量的均值，将其作为类特征向量计算的辅助监督信号，重复元训练第一阶段的训练；元测试阶段：根据新类标签的数目，从基类数据中进行采样，构造平衡数据集，采样待检测图片与支撑样本，并重复元训练第二阶段的训练；新类目标检测阶段。与传统的小样本目标检测方法相比，本发明可得到更高质量的支撑样本特征，提高对新类的检测准确率。

主权项：1.一种基于支撑样本特征增强的小样本目标检测方法，其特征在于,具体包括如下步骤：S1、模型初始化阶段：构造任一基于元学习的目标检测模型；S2、元训练第一阶段：在基类数据中采样待检测图片与支撑样本，并按照模型初始化中所选取的模型的原有的元训练方式进行训练；S3、元训练第二阶段：将所有的基类数据作为支撑样本输入模型，计算并存储每一类别下所有支撑样本的类特征向量的均值，随后以该均值作为类特征向量计算的辅助监督信号，并重复元训练第一阶段的训练；S4、元测试阶段：根据新类标签的数目，从基类数据中进行采样，构造得到所有类别包含相等数目标签的平衡数据集，随后从该平衡数据集中采样待检测图片与支撑样本，并重复元训练第二阶段的训练；S5、新类目标检测阶段：将新类标签作为支撑样本，对输入图像进行目标检测，得到输入图像中属于新类的目标的位置和具体类别；在步骤S1中，选用MetaYOLO作为目标检测模型，所述MetaYOLO由特征提取器、重加权模块和预测层组成；在步骤S2中，在每一训练批次中，采样待检测图片与支撑样本，支撑样本的采样方式为对于每一基类类别，采样一个属于该类别的边界框，并得到该边界框所在的图像，随后在图像原有的RGB通道的基础上增加一个0-1掩模，指示边界框的位置，将待检测图片输入特征提取器，将支撑样本输入重加权模块；在步骤S3中，对于每一基类类别，遍历其所有的边界框标签，并将其作为支撑样本输入重加权模块，得到该类别所有支撑样本的类特征向量的均值，随后重复所述元训练第一阶段的训练，但是在新预测的类特征向量与先前保存的类特征向量之间，增加一个SmoothL1损失函数,促进由单个支撑样本计算得到的类特征向量逼近多个支撑样本计算得到的类特征向量均值。

全文数据：

权利要求：

百度查询： 清华大学深圳国际研究生院 一种基于支撑样本特征增强的小样本目标检测方法及装置