[发明专利]一种基于元学习的小样本遥感目标检测方法

权利要求书

1.一种基于元学习的小样本遥感目标检测方法，其特征在于，所述方法的实施步骤包括：

根据遥感图像构建支持集和查询集；

获取所述支持集中每类遥感图像的类特征向量；

获取所述查询集中每个遥感图像的感兴趣区域特征向量；

计算所述类特征向量和所述感兴趣区域特征向量之间的距离，获得每类所述遥感图像的差异特征；

对所述感兴趣区域特征向量进行通道级软注意力处理，得到每类遥感图像的类注意特征；

通过全链接层对每类所述遥感图像的差异特征和每类所述遥感图像的类注意特征进行融合，得到融合特征；

通过元检测器对所述融合特征进行遥感目标检测。

2.如权利要求1所述的一种基于元学习的小样本遥感目标检测方法，其特征在于，根据遥感图像构建支持集和查询集，该步骤包括：

对将遥感图像数据集的中的新类遥感图像进行掩码转换，将所有掩码转换后的遥感图像构成支持集；

将所述遥感图像数据集中的基类遥感图像构成所述查询集。

3.如权利要求1所述的一种基于元学习的小样本遥感目标检测方法，其特征在于，获取所述支持集中每类遥感图像的类特征向量，包括：

计算所述支持集中每类所述遥感图像的代表特征；

对所述待表特征进行池化，获得每类所述遥感图像的类特征向量。

4.如权利要求3所述的一种基于元学习的小样本遥感目标检测方法，其特征在于，每类所述遥感图像的代表特征的计算方式包括：

其中，表示每类所述遥感图像的代表特征，表示支持集中每一类别下每个遥感图像的图像特征。

5.如权利要求1所述的一种基于元学习的小样本遥感目标检测方法，其特征在于，每类所述遥感图像的差异特征的计算方式包括：

其中，M_d为每类所述遥感图像的差异特征，为所述查询集中感兴趣区域特征向量，为所述支持集的类特征向量。

6.如权利要求1所述的一种基于元学习的小样本遥感目标检测方法，其特征在于，所述类注意特征的计算方式包括：

其中，F_a表示所述类注意特征，为所述查询集中感兴趣区域特征向量，表示对所述感兴趣区域特征向量进行通道级软注意力处理，表示通道向乘积。

7.如权利要求1所述的一种基于元学习的小样本遥感目标检测方法，其特征在于，所述融合特征的计算方式包括：

F_d＝CAT(FC(M_d),FC(F_a))，

其中，CAT()表示通道向拼接，FC()表示全连接层计算，M_d为每类所述遥感图像的差异特征，F_a表示所述类注意特征，F_d表示所述融合特征。

8.一种基于元学习的小样本遥感目标检测装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-7任一项所述的一种基于元学习的小样本遥感目标检测方法。