Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于对抗式区域提议网络的小样本目标检测方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:电子科技大学

摘要:该发明公开了一种基于对抗式区域提议网络的小样本目标检测方法,属于小样本学习和目标检测领域。本发明解决的技术问题包括:模型在大量标注的基类样本上训练后,在少量标注的新类训练样本上微调,模型最终可以同时具有新类和基类的检测能力。在微调过程中冻结模型的特征提取网络参数,仅微调预测器参数。由于区域提议网络参数的冻结,模型检测出新类目标的能力不足。本发明提出对抗式区域提议网络,通过在基类学习过程中强调类无关特征来训练泛化性更强的区域提议网络,从而提高对新类目标的检测能力。

主权项:1.一种基于对抗式区域提议网络的小样本目标检测方法,该方法包括:步骤1:初始化一个双阶段目标检测器,双阶段目标检测器包括:主干网络、对抗式区域提议网络、RoI池化与特征提取模块、预测器;输入图像首先输入主干网络,主干网络的输出分为两路,一路输入给对抗式区域提议网络,另一路连同对抗式区域提议网络的输出一起输入给RoI池化与特征提取模块,RoI池化与特征提取模块的输出输入给预测器;所述区域提议网络包含:特征提取层F、前背景分类器Cfb、位置回归器R、通道掩码层M、细粒度分类器Cfine;步骤2:在训练过程中,特征提取层F从主干网络提取到的特征谱中进一步提取特征,得到特征谱f,该特征谱通过通道掩码层加权后得到新特征谱f′,新特征谱输入前背景分类器和位置回归器进行前背景分类和位置预测;步骤3:特征谱f′经过梯度反转层后输入细粒度分类器,对包含前景目标的锚框进行具体类别的分类任务;步骤4:在梯度反向传播过程中,前背景分类器Cfb、位置回归器R正常回传给通道掩码层M,而梯度翻转层将回传的梯度取反后再回传给通道掩码层M;步骤5:按照步骤1到4的方法在基类样本上训练双阶段目标检测器,得到初步训练结果;步骤6:冻结步骤5所得到的双阶段目标检测器的主干网络、对抗式区域提议网络、RoI池化与特征提取模块,使用少量新类样本微调预测器;完成最终训练;步骤7:采用训练好的双阶段目标检测器进行实际目标检测。

全文数据:

权利要求:

百度查询: 电子科技大学 一种基于对抗式区域提议网络的小样本目标检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。