基于相关性区域候选网络和变换器编码解码结构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相关性区域候选网络和变换器编码解码结构的小样本目标检测方法，包括如下步骤：1）划分数据集；2）设计基于相关性区域候选网络和变换器编码解码结构的小样本目标检测模型；3）得到基础模型；4）得到最终模型；5）目标检测。这种方法在小样本数据集上实现了高效的目标检测，具有良好的泛化性和鲁棒性。

【技术实现步骤摘要】

本专利技术涉及目标检测技术，尤其涉及小样本目标检测(few-shot objectdetection)、变换器编码解码结构(transformer encoder-decoder)、相关性区域候选网络(correlation-rpn)、度量学习(metric learning)，具体是一种基于相关性区域候选网络和变换器编码解码结构的小样本目标检测方法。

技术介绍

1、目前的目标检测算法都依赖于大量带有标注图像用于模型训练，但是在实际的生产环境或者实际任务中，获取大规模标准数据是需要付出很大的人力成本的。而且现实世界中由于数据存在着长尾效应，造成很难获得大量训练模型的数据。因此如何采用小样本的数据集来让模型也能发挥出理想的表现是一个亟需解决且十分热门的研究方向。

2、根据国内外最新研究调查发现，解决小样本情况下的目标检测问题有三个核心范式。一种是基于迁移学习的范式，一种是基于元学习的范式，还有一种是基于度量学习的范式。基于迁移学习的方法分为基训练和微调两个阶段，在基训练阶段，整个模型在有着大量标注的基类上训练，在微调阶段，冻结网络前期的参数权重，本文档来自技高网...

【技术保护点】

1.一种基于相关性区域候选网络和变换器编码解码结构的小样本目标检测方法，其特征在于，包括如下步骤：

【技术特征摘要】

1.一种基于相关性区域候选网络和变换器编码解码结构...

【专利技术属性】
技术研发人员：陈金龙，徐可健，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：