基于度量学习的小样本目标检测方法、系统和存储介质技术方案

本申请公开了一种基于度量学习的小样本目标检测方法、系统和存储介质，包括：获取目标图像；根据所述目标图像和训练好的分类器中得到目标图像在度量空间中的表示；根据目标图像在度量空间中的表示来对目标图像中的目标对象进行分类；其中，所述分类器通过以下方式获得：获取支持集和询问集；提取所述支持集中第一样本的第一特征和所述询问集中第二样本的第二特征；将所述第一特征和第二特征映射到度量空间之中，并根据度量函数确定第一特征和第二特征在度量空间之间的距离，根据所述距离以及支持集和询问集的标定信息对所述分类器进行训练。本申请可以在小样本的场景下完成模型训练同时提升模型的泛化能力。训练同时提升模型的泛化能力。训练同时提升模型的泛化能力。

【技术实现步骤摘要】
基于度量学习的小样本目标检测方法、系统和存储介质


[0001]本申请涉及机器学习技术，特别是一种基于度量学习的小样本目标检测方法、系统和存储介质。

技术介绍

[0002]神经网络模型通常需要使用足够的训练样本进行模型训练才能达到较好的训练效果。但是在部分场景中，能够获取的样本比较少，以往的分类函数往往不能使得模型快速学习到检测目标的类别。因此，有人专利技术了度量学习的方法，通过设置一个度量函数来评价样本之间的相似性，从而区分样本。但是这一方式，其完全依赖于度量函数的设置，如果度量函数设置得不合适，就会导致整个度量学习的效果不佳，模型泛化能力不足。

技术实现思路

[0003]本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出一种基于度量学习的小样本目标检测方法、系统和存储介质，通过神经网络来替代度量函数，以避免度量函数设置不当造成整个模型泛化能力差。
[0004]本申请实施例提供了一种基于度量学习的小样本目标检测方法，包括：
[0005]获取目标图像；
[0006]根据所述目标图像和训本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于度量学习的小样本目标检测方法，其特征在于，包括：获取目标图像；根据所述目标图像和训练好的分类器中得到目标图像在度量空间中的表示；根据目标图像在度量空间中的表示来对目标图像中的目标对象进行分类；其中，所述分类器通过以下方式获得：获取支持集和询问集；提取所述支持集中第一样本的第一特征和所述询问集中第二样本的第二特征；将所述第一特征和第二特征映射到度量空间之中，并根据度量函数确定第一特征和第二特征在度量空间之间的距离，根据所述距离以及支持集和询问集的标定信息对所述分类器进行训练。2.根据权利要求1所述的一种基于度量学习的小样本目标检测方法，其特征在于，提取所述支持集中第一样本的第一特征和所述询问集中第二样本的第二特征包括：通过提取网络提取支持集中第一样本的网络特征，然后对所述网络特征进行卷积，得到所述第一特征；通过提取网络提取询问集中第二样本的网络特征，然后通过RPN网络提取目标区域，得到第二特征。3.根据权利要求2所述的一种基于度量学习的小样本目标检测方法，其特征在于，所述提取网络采用Resnet50主干网络。4.根据权利要求1所述的一种基于度量学习的小样本目标检测方法，其特征在于，根据所述距离以及支持集和询问集的标定信息对所述分类器进行训练，包括：通过度量函数计算的距离确定分类损失值，使用均方误差来计算目标的位置之间的损失值作为回归损失值，将分类损失值和回归损失值相加得到总损失值，根据所述总损失值对分类器进行参数更新。5.根据权利要求1所述的一种...

【专利技术属性】
技术研发人员：蒲怀建，颜专，
申请(专利权)人：湖南朗国视觉识别研究院有限公司，
类型：发明
国别省市：