[发明专利]一种基于小样本学习的目标检测方法、装置及存储介质

权利要求书

1.一种基于小样本学习的目标检测方法，其特征在于，包括：

采用神经网络对支持图像集和待检测图像进行特征提取，获得所述支持图像集的多个第一特征信息和所述待检测图像的第二特征信息，其中，所述待检测图像中包括待检测目标，所述支持图像集包括多个样本图样，每个所述样本图像中的目标的类型与所述待检测目标的类型相同，一个所述样本图像与一个所述第一特征信息对应，不同所述样本图像对应的所述第一特征信息不同；

基于所述多个第一特征信息对所述第二特征信息进行特征提取，获得待检测特征图；

根据所述多个第一特征信息各自的特征向量生成第三特征信息，所述特征向量用于指示所述多个样本图像间的相关关系；

基于所述待检测特征图及所述第三特征信息确定所述待检测图像中的所述待检测目标。

2.如权利要求1所述的方法，其特征在于，所述第一特征信息包括三个维度上的特征信息，根据所述多个第一特征信息各自的特征向量生成第三特征信息，包括：

对所述多个第一特征信息进行降维处理，得到多个第一特征向量，所述多个第一特征信息与所述多个第一特征向量一一对应；

对所述多个第一特征向量进行编码，获得多个第二特征向量；

根据所述多个第二特征向量生成第三特征向量，所述第三特征向量包括所述多个第二特征向量加权求和得到的特征信息；

对所述第三特征向量进行升维处理，获得所述第三特征信息。

3.如权利要求2所述的方法，其特征在于，对所述多个第一特征向量进行编码，获得多个第二特征向量，包括：

根据编码确定所述多个第一特征向量之间的关联信息；

根据所述关联信息与所述多个第一特征向量确定所述多个第二特征向量。

4.如权利要求1所述的方法，其特征在于，基于所述多个第一特征信息对所述第二特征信息进行特征提取，获得待检测特征图，包括：

以所述多个第一特征信息为卷积核对所述第二特征信息进行特征提取，获得多个第四特征信息,所述多个第四特征信息与所述多个第一特征信息一一对应；

将所述多个第四特征信息输入预设的区域生成网络RPN，获得初始待检测特征图；

对所述初始待检测特征图进行特征提取，生成所述待检测特征图。

5.如权利要求1所述的方法，其特征在于，所述待检测特征图及所述第三特征信息包括通道维度的信息，基于所述待检测特征图及所述第三特征图确定所述待检测图像的目标，包括：

对所述待检测特征图及所述第三特征信息分别进行池化处理，将池化处理后的所述待检测特征图及所述第三特征信息在所述通道维度进行拼接，对拼接后的特征图进行全连接操作，获得第一分类结果及第一回归结果；

以所述第三特征信息为卷积核对所述待检测特征图进行特征提取，对特征提取的结果进行全连接操作，获得第二分类结果及第二回归结果；

对所述待检测特征图及所述第三特征信息在所述通道维度进行拼接，对拼接后的特征图进行特征提取，获得第三分类结果及第三回归结果；

根据所述第一分类结果、第二分类结果、第三分类结果及第一回归结果、第二回归结果及第三回归结果确定所述待检测图像的目标。

6.如权利要求5所述的方法，其特征在于，根据所述第一分类结果、第二分类结果、第三分类结果及第一回归结果、第二回归结果及第三回归结果确定所述待检测图像的目标，包括：

通过所述第一分类结果、第二分类结果、第三分类结果加权求和得到所述待检测目标的分类结果；

通过所述第一回归结果、第二回归结果及第三回归结果加权求和得到所述待检测目标的回归结果。

7.如权利要求4所述的方法，其特征在于，根据所述初始待检测框图生成所述待检测框图，包括：

将所述初始待检测框图通过残差块进行特征提取，对特征提取的结果进行兴趣区域对齐操作，获得所述待检测框图。