一种基于双分支区域建议网络的小样本目标检测方法技术

本发明专利技术公开了一种基于双分支区域建议网络的小样本目标检测方法，涉及模式识别与信息处理技术领域，将数据集划分为基类图像和新类图像，构建finetune集；将基础特征图送入到双分支区域建议网络中，上分支提取图像内可能包含物体的极值特征、下分支提取图像内可能包含物体的主要类别特征，然后进行聚合后与原输入基础特征图进行残差连接，获取到图像的聚合语义特征，送入边界框回归网络和前背景判定网络以获得前景建议框的位置；并利用建议框池化将不同大小的建议框基础特征池化为同样大小的建议框特征图，送入边界框精修网络和类别判定网络以获得物体的精确位置和类别；利用Finetune集进行微调；能够提取到高维语义信息。息。息。

【技术实现步骤摘要】
一种基于双分支区域建议网络的小样本目标检测方法


[0001]本专利技术涉及模式识别与信息处理
，具体为一种基于双分支区域建议网络的小样本目标检测方法。

技术介绍

[0002]目标检测是计算机视觉领域最具挑战性的关键与基础技术之一，在基于大量有标签数据的深度学习驱动下，目标检测已经取得了重大进展，也推动了无人驾驶、智能交通和工业自动化等领域的迅速发展。但是当前基于大量样本训练的目标检测方法严重依赖于有标签数训练数据的场景和质量，泛化能力很弱，而且在一些极端场景下，获取大量的有标注样本不仅非常困难且耗时耗力。另一方面，人类智能能够仅通过几个物体的学习就能够“举一反三”，并将其泛化到其他训练期间未见类别上。故此如何让网络摆脱对大量数据的依赖，实现在小样本场景下对训练阶段未见类别的快速泛化具有非常重要的实践意义。
[0003]在现有的目标检测任务中，根据是否产生proposal可以将模型分为两个类别：单阶段(one
‑
stage)目标检测算法和两阶段(two
‑
stage)目标检测算法。相较于一阶段检测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于双分支区域建议网络的小样本目标检测方法，其特征在于，所述目标检测方法包括以下步骤：S1：将数据集划分为类别不相交的基类图像和新类图像，并在新类中抽取N个类别，每个类别抽取K个图像，分别构建finetune集，N、K均为大于零的自然数；S2：采用ResNet
‑
101深度残差卷积神经网络作为主干特征提取器来对输入的基类图像进行特征提取，得到基础特征图；S3：将基础特征图送入到双分支区域建议网络中，首先通过一个卷积模块，然后将卷积后的特征图从计算图上分离，并利用上分支提取图像内可能包含物体的极值特征、下分支提取图像内可能包含物体的主要类别特征，然后进行聚合后与原输入基础特征图进行残差连接，获取到图像的聚合语义特征，将聚合语义特征送入边界框回归网络和前背景判定网络以获得前景建议框的位置；S4：根据获取的前景建议框位置在基础特征图上裁剪出图像的原始特征，并利用建议框池化将不同大小的建议框基础特征池化为同样大小的建议框特征图，然后将建议框特征图送入边界框精修网络和类别判定网络以获得物体的精确位置和类别；S5：将在基类训练好的模型，利用Finetune集进行微调，微调的方式同步S2
‑
S4的训练过程。2.根据权利要求1所述的一种基于双分支区域建议网络的小样本目标检测方法，其特征在于，所述双分支区域建议网络构建包括以下步骤：S31:将主干特征提取器提取的特征图通过一个3
×
3卷积层扩大感受野，然后将特征图的张量从计算图中取出；S32:上分支将获得的特征向量通过两个DeCBL模块对物体的极值特征进行提取，DeCBL模块采用一个...

【专利技术属性】
技术研发人员：董乐，张宁，何腾洋，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：