计算机应用

作者：李新叶, 侯晔凝, 孔英会, 燕志旗

单位：1.华北电力大学 电子与通信工程系，河北 保定 071003；2.河北省电力物联网技术重点实验室（华北电力大学），河北 保定 071003

关键词：目标检测,少样本,特征融合,特征增强,Faster R-CNN

基金：河北省科技计划项目(SZX2020034)

为了更充分地利用支持特征和查询特征中的关键信息，提出一种基于特征融合和增强注意力的少样本目标检测方法FFA-FSOD（Feature Fusion and enhanced Attention Few-Shot Object Detection）。首先引入迭代注意力特征融合（iAFF）模块，以有效融合支持图像和查询图像的关键特征；其次在iAFF模块后添加特征增强操作，充分利用支持特征信息对查询图像中的目标特征进行增强。为避免上述两次处理可能导致的查询图像特征部分细节信息的丢失，对iAFF模块中的多尺度通道注意力模块（MS-CAM）进行改进，以捕获更多的上下文信息。在MS COCO数据集上的实验结果表明，在2-way 10-shot条件下，与小样本目标检测（FSOD）方法相比，加入iAFF模块、特征增强操作并改进MS-CAM后，FFA-FSOD的平均精度均值（mAP）提升了8.0%。实验结果验证了所提特征融合增强方法充分关注到了特征中的细节信息，从而实现了更好的少样本目标检测效果。

来源：2024年第3期

《计算机应用》期刊编辑部

查看计算机应用杂志2024年第3期