[发明专利]一种基于Faster R-CNN的小样本目标检测方法在审
| 申请号： | 202110270154.2 | 申请日： | 2021-03-12 |
| 公开（公告）号： | CN113052185A | 公开（公告）日： | 2021-06-29 |
| 发明（设计）人： | 贾海涛;鲜维富;莫超杰;许文波;任利;周焕来;贾宇明 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | G06K9/46 | 分类号： | G06K9/46;G06K9/32;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 611731 四川省成*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 faster cnn 样本 目标 检测 方法 | ||
【权利要求书】：
1.一种基于Faster R-CNN的小样本目标检测方法，其特征在于，包括以下步骤：
步骤1：输入待检测图像作为查询集图像和少量几张包含目标的图像作为支持集图像；
步骤2：通过特征提取网络提取查询图像特征，并提取支持集图像特征作为支持特征；
步骤3：支持图像特征和查询图像特征同时送入FPN网络生成多尺度特征图；
步骤4：特征图通过通道注意力机制和空间注意力以生成注意力特征图，注意力特征图送入RPN网络生成候选框，经过Roi Pooling生成Roi特征图；
步骤5：支持特征和Roi特征分别送入度量分支和回归分支进行分类和定位，检测出对象目标。
2.如权利要求1所述方法，其特征在于，步骤3中FPN同时引入查询图像分支和支持集图像分支，其中查询图像分支中FPN网络融合输出的不同尺度特征图输入RPN网络中生成候选区域；支持集图像分支中，支持集图像特征输入FPN网络得到每个支持图像特征金字塔。
3.如权利要求1所述方法，其特征在于，步骤4中为改进的注意力RPN，其中通道注意力机制和空间注意力串行进行，即在经过通道注意力后，将支持集特征和查询集特征进行深度互相关以生成注意力特征图。
4.如权利要求1所述方法，其特征在于，步骤5中的采用改进的加权原型网络作为度量分支。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于电子科技大学，未经电子科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202110270154.2/1.html，转载请声明来源钻瓜专利网。
- 上一篇：一种基于两阶段局部特征对齐的目标检测方法
- 下一篇：注射成型机
