计算机应用

作者：谢斌红, 王瑞, 张睿, 张英俊

单位：太原科技大学 计算机科学与技术学院，太原 030024

关键词：小样本目标检测,元学习,代理原型蒸馏,小波卷积,多关系融合

基金：山西省基础研究计划项目(20210302123216);吕梁市引进高层次科技人才重点研发项目(2022RC08);山西省产教融合研究生联合培养示范基地项目(2022JD11)

针对现有小样本目标检测（FSOD）算法中类级原型生成精度不足以及细节信息缺失导致的目标区域特征表达能力受限的问题，提出一种基于代理原型聚合（APA）的FSOD算法APA-FSOD。该算法通过代理注意力将支持特征蒸馏为细节丰富的原型，并基于原型向量的相关性实现原型向量在查询特征图上的精准分配，从而显著强化目标实例区域的特征表达能力。此外，设计小波卷积增强模块（WCEM）和自适应多关系融合模块（AMRF），并分别用于优化算法的全局特征提取和高级特征融合。实验结果表明，在PASCAL VOC数据集的3种新类划分下， APA-FSOD的nAP50相较于基线方法VFA （Variational Feature Aggregation）提升了0.5~1.1个百分点；而在MS COCO数据集的30-shot设置下，与元学习方法SMPCCNet （Support-query Mutual Promotion and Classification Correction Network）相比， nAP提升了1.0个百分点。可见，所提算法显著提高了FSOD的精度。

来源：2026年第1期

《计算机应用》期刊编辑部

查看计算机应用杂志2026年第1期